CN112035369B - 一种测试样本生成方法和装置 - Google Patents
一种测试样本生成方法和装置 Download PDFInfo
- Publication number
- CN112035369B CN112035369B CN202010916803.7A CN202010916803A CN112035369B CN 112035369 B CN112035369 B CN 112035369B CN 202010916803 A CN202010916803 A CN 202010916803A CN 112035369 B CN112035369 B CN 112035369B
- Authority
- CN
- China
- Prior art keywords
- sample
- test
- region information
- target
- history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012549 training Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种测试样本生成方法和装置,获取待测试系统对应的测试样本,根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度,该差异维度标识了目标样本和测试样本之间,由于地域信息不同导致测试数据所对应的维度存在差异。根据所述目标地域信息,确定所述差异维度对应的替换参数,并根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本,实现了自动化生成不同地域所对应的测试样本。由此仅需要提供少量测试样本,就能生成待测试系统面向所有地域所对应的测试样本,降低了人工制造测试样本的成本,提高了测试样本生成效率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种测试样本生成方法和相关装置。
背景技术
在系统开发过程中,需要测试样本对系统性能进行测试,其中,测试样本包括系统所需要多个维度对应的测试数据。在一些系统中,对于不同的客户群体,系统有不同的处理流程,或者说,需要不同类型的测试数据。因此,需要制造不同的测试样本用于系统测试。
在相关技术中,可以通过人工制造测试样本。考虑到系统适用的客户群体范围较为广泛,利用人工制造测试样本需要投入较多的时间和成本,并且测试相关人员若经验不足,测试样本不够全面,无法准确地检测出系统性能。
发明内容
为了解决现有技术存在的上述技术问题,本申请提供了一种测试样本生成方法和装置,实现了自动化生成测试样本。
一方面,本申请实施例提供了一种测试样本生成方法,所述方法包括:
获取待测试系统对应的测试样本;所述测试样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据;
根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度;其中,所述目标地域信息为所述待测试系统对应的地域信息集合中的任意一个;
根据所述目标地域信息,确定所述差异维度对应的替换参数;
根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
在一种可能的实现方式中,所述方法还包括:
获取所述待测试系统所适用客户对应的客户分类标签;
根据所述客户分类标签,确定所述目标样本对应的N个维度;
所述根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本包括:
根据所述替换参数、所述测试样本和所述客户分类标签,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本包括所述N个维度的测试数据。
在一种可能的实现方式中,所述方法还包括:
根据所述待测试系统所包括的多个处理节点,确定至少一个处理节点对应的异常处理规则;
根据所述异常处理规则和所述目标样本,生成所述待测试系统对应的异常样本;所述异常样本包括不适用于所述待测试系统的异常数据。
在一种可能的实现方式中,所述异常处理规则包括数据类型异常处理、数据长度异常处理、栏位信息匹配异常或栏位信息异常处理中的任意一个或多个的组合。
在一种可能的实现方式中,所述方法还包括:
获取历史系统对应的多个历史样本;所述历史样本至少包括第一历史样本和第二历史样本,所述第一历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据,所述第二历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据;
根据所述多个历史样本,确定预先构建的待定网络模型对应的训练样本;所述训练样本至少包括所述第一历史样本、所述第一历史样本对应的第一地域信息、所述第二历史样本和所述第二历史样本对应的第二地域信息;
利用所述训练样本对所述待定网络模型进行训练,得到所述样本生成模型。
另一方面,本申请实施例还提供了一种测试样本生成装置,所述装置包括获取单元、确定单元和生成单元:
所述获取单元,用于获取待测试系统对应的测试样本;所述测试样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据;
所述确定单元,用于根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度;其中,所述目标地域信息为所述待测试系统对应的地域信息集合中的任意一个;
所述确定单元,还用于根据所述目标地域信息,确定所述差异维度对应的替换参数;
所述生成单元,用于根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
在一种可能的实现方式中,所述获取单元还用于获取所述待测试系统所适用客户对应的客户分类标签;
所述确定单元,还用于根据所述客户分类标签,确定所述目标样本对应的N个维度;
所述生成单元,用于根据所述替换参数、所述测试样本和所述客户分类标签,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本包括所述N个维度的测试数据。
在一种可能的实现方式中,所述确定单元,还用于根据所述待测试系统所包括的多个处理节点,确定至少一个处理节点对应的异常处理规则;
所述生成单元,还用于根据所述异常处理规则和所述目标样本,生成所述待测试系统对应的异常样本;所述异常样本包括不适用于所述待测试系统的异常数据。
在一种可能的实现方式中,所述异常处理规则包括数据类型异常处理、数据长度异常处理、栏位信息匹配异常或栏位信息异常处理中的任意一个或多个的组合。
在一种可能的实现方式中,所述获取单元还用于获取历史系统对应的多个历史样本;所述历史样本至少包括第一历史样本和第二历史样本,所述第一历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据,所述第二历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据;
所述确定单元,还用于根据所述多个历史样本,确定预先构建的待定网络模型对应的训练样本;所述训练样本至少包括所述第一历史样本、所述第一历史样本对应的第一地域信息、所述第二历史样本和所述第二历史样本对应的第二地域信息;
所述训练单元,用于利用所述训练样本对所述待定网络模型进行训练,得到所述样本生成模型。
由上述实施例提供的方法可以看出,获取待测试系统对应的测试样本,并根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度,该差异维度标识了目标样本和测试样本之间,由于地域信息不同导致测试数据所对应的维度存在差异。根据所述目标地域信息,确定所述差异维度对应的替换参数,从而可以根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本。由于测试样本所包括多个维度的测试数据为适用于待测试系统的正常数据,因此,可以将测试样本作为参考。并且,以目标地域信息作为生成目标样本的依据,通过样本生成模型生成测试样本,实现了自动化生成不同地域所对应的测试样本。基于此,仅需要提供少量测试样本,就可以生成待测试系统面向所有地域所对应的测试样本,降低了人工制造测试样本的成本,提高了生成测试样本的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种测试样本生成方法的流程示意图;
图2为本申请实施例提供的一种测试样本生成装置的结构示意图。
具体实施方式
下面结合附图,对本申请实施例进行介绍。
考虑到待测试系统适用的客户群体范围较为广泛,利用人工制造测试样本需要投入较多的时间和成本,并且测试相关人员若经验不足,测试样本不够全面,无法准确地检测出系统性能。
鉴于此,本申请提供了一种测试样本生成方法和装置,实现了自动化生成测试样本。
本申请提供的测试样本生成方法可以应用于具有数据处理能力的测试样本生成设备,如终端设备、服务器。其中,终端设备具体可以为智能手机、计算机、个人数字助理(Personal DigitalAssistant,PDA)、平板电脑等;服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,本申请在此不做限制。在本申请中,以服务器作为测试样本生成设备对本申请实施例进行介绍。
参见图1,图1为本申请实施例提供的一种测试样本生成方法的流程示意图。如图1所示,该测试样本生成方法包括以下步骤:
S101:获取待测试系统对应的测试样本。
在实际应用中,服务器可以从测试样本数据库中获取待测试系统对应的测试样本,该测试样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
例如,待测试系统为银行开户系统。若客户在利用银行开户系统进行银行开户时,需要提供多个维度的数据,即姓名、性别、证件号码、人脸图像,则测试样本可以包括客户姓名(李明)、性别(男)、证件号码(18为身份证号)和人脸图像。
在实际应用中,测试样本所包括的多个维度可以根据待测试系统确定,在此不作任何限定。
S102:根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度。
可以理解的是,对于不同地域的客户,客户所能提供的信息可能存在差异。为了扩大系统的适用范围,系统需要针对不同地域的客户设计不同的处理方式,以便使用不同地域的客户。
为此,在实际应用中,可以根据待生成的目标样本对应的目标地域信息和测试样本对应的指定地域信息,确定出测试样本和目标样本针对所述多个维度中至少存在的一个差异维度。
其中,该差异维度标识了目标样本和测试样本之间,由于地域信息不同导致测试数据所对应的维度存在差异。例如,对于上述测试样本中,李明为安徽省人,可以提供身份证号码,但是,对于不是内陆的客户,可能无法提供身份证号码,例如,中国港澳地区的客户或者外国客户。
需要说明的是,所述目标地域信息为所述待测试系统对应的地域信息集合中的任意一个。其中,地域信息集合包括待测试系统所适用的所有地域对应的地域信息。例如,上述银行开户系统适用全球客户,则该银行开户系统对应的地域信息集合包括全球地域信息。
在实际应用中,待测试系统对应的地域信息集合可以是预先设定的。在生成目标样本过程中,可以从地域信息集合中任意选择一个作为目标地域信息。例如,从全球地域信息中选择中国香港作为目标样本对应的目标地域信息,用于生成目标样本。故此,根据中国香港和安徽省,可以确定出证件号码为差异维度。
S103:根据所述目标地域信息,确定所述差异维度对应的替换参数。
基于上述S102确定出差异维度后,可以确定出该差异维度对应的替换参数,该替换参数用于替换测试样本中差异维度所对应的参数。
例如,上述确定出证件号码为差异维度,则可以根据中国香港,确定出测试样本中的参数(身份证号码)对应的替换参数,比如护照号码。
在实际应用中,可以根据差异维度以及目标地域信息,确定具体的替换参数,在此不作任何限定。
S104:根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本。
在实际应用中,服务器可以利用预先部署的样本生成模型生成目标地域信息对应的目标样本,该目标样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
例如,针对上述银行开户系统,可以以测试样本(即李明、男、18位身份证号码和人脸图像)作为参考,并利用护照号码替换身份证号码,利用样本生成模型生成对应中国香港的目标样本,比如客户的姓名为向东,男,护照号码和人脸图像。
针对上述样本生成模型,需要预先对其进行训练。本申请实施例提供了一种可能的训练方式,即获取历史系统对应的多个历史样本,然后,根据所述多个历史样本,确定预先构建的待定网络模型对应的训练样本,从而可以利用所述训练样本对所述待定网络模型进行训练,得到所述样本生成模型。
其中,所述历史样本至少包括第一历史样本和第二历史样本,所述第一历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据,所述第二历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据;所述训练样本至少包括所述第一历史样本、所述第一历史样本对应的第一地域信息、所述第二历史样本和所述第二历史样本对应的第二地域信息。
可以理解的是,对于系统所适用的不同客户群体,系统可能存在不同的处理流程,即系统所需要的数据可能存在差异。鉴于此,在一种可能的实现方式中,可以获取所述待测试系统所适用客户对应的客户分类标签,然后根据所述客户分类标签,确定所述目标样本对应的N个维度,从而根据所述替换参数、所述测试样本和所述客户分类标签,利用样本生成模型生成所述目标地域信息对应的所述目标样本。其中,所述目标样本包括所述N个维度的测试数据。
例如,对于上述银行开户系统,客户分类标签包括银行黑名单、银行白名单。若对于存在黑名单的客户,设定客户需要提供上述4个维度的信息外,还需要客户提供附加维度的信息,比如亲属信息,以证明客户的有效身份。
上述通过增加客户分类标签这一因素,完善了生成测试样本的依据信息,丰富了待测试系统的测试样本类型。
可以理解的是,在系统使用过程中,可能存在各种异常数据。为此,系统应该具有一定的异常数据识别能力,以便系统处理这些异常数据时,能够准确地给出识别结果,以便提醒相关人员进行适应性地处理。
鉴于此,本申请实施例提供了一种可能的实现方式,可以根据所述待测试系统所包括的多个处理节点,确定至少一个处理节点对应的异常处理规则,并根据所述异常处理规则和所述目标样本,生成所述待测试系统对应的异常样本。其中,所述异常样本包括不适用于所述待测试系统的异常数据。
例如,银行开户系统包括4个处理节点,在每个处理节点输入对应的测试数据,比如,在第3个处理节点需要客户输入身份证号码。正常情况下,应该输入18位数字。考虑到可能存在输入错误的情况,比如,仅输入了17位数字,因此,可以设置对应的异常处理规则,即数字长度异常处理,从而生成非18位的数字,用于对该银行开户系统第3个处理节点的性能进行测试。
在一种可能的实现方式中,所述异常处理规则包括数据类型异常处理、数据长度异常处理、栏位信息匹配异常或栏位信息异常处理中的任意一个或多个的组合。
在实际应用中,可以根据待测试系统所包括的处理节点具体设定对应的异常处理规则,在此不作任何限定。
上述根据待测试系统设定对应的异常处理规则,从而可以根据该异常处理规则生成异常测试数据,提高了系统对于异常测试数据的识别能力,丰富了用于待测试系统进行测试的测试样本类型。
上述实施例提供的测试样本生成方法,获取待测试系统对应的测试样本,并根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度,该差异维度标识了目标样本和测试样本之间,由于地域信息不同导致测试数据所对应的维度存在差异。根据所述目标地域信息,确定所述差异维度对应的替换参数,从而可以根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本。由于测试样本所包括多个维度的测试数据为适用于待测试系统的正常数据,因此,可以将测试样本作为参考。并且,以目标地域信息作为生成目标样本的依据,通过样本生成模型生成测试样本,实现了自动化生成不同地域所对应的测试样本。基于此,仅需要提供少量测试样本,就可以生成待测试系统面向所有地域所对应的测试样本,降低了人工制造测试样本的成本,提高了生成测试样本的效率。
针对上述实施例提供的测试样本生成方法,本申请实施例还提供了一种测试样本生成装置。
参见图2,图2为本申请实施例提供的一种测试样本生成装置的结构示意图。如图2所示,该测试样本生成装置200包括获取单元201、确定单元202和生成单元203:
所述获取单元201,用于获取待测试系统对应的测试样本;所述测试样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据;
所述确定单元202,用于根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度;其中,所述目标地域信息为所述待测试系统对应的地域信息集合中的任意一个;
所述确定单元202,还用于根据所述目标地域信息,确定所述差异维度对应的替换参数;
所述生成单元203,用于根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
在一种可能的实现方式中,所述获取单元201还用于获取所述待测试系统所适用客户对应的客户分类标签;
所述确定单元202,还用于根据所述客户分类标签,确定所述目标样本对应的N个维度;
所述生成单元,用于根据所述替换参数、所述测试样本和所述客户分类标签,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本包括所述N个维度的测试数据。
在一种可能的实现方式中,所述确定单元202,还用于根据所述待测试系统所包括的多个处理节点,确定至少一个处理节点对应的异常处理规则;
所述生成单元,还用于根据所述异常处理规则和所述目标样本,生成所述待测试系统对应的异常样本;所述异常样本包括不适用于所述待测试系统的异常数据。
在一种可能的实现方式中,所述异常处理规则包括数据类型异常处理、数据长度异常处理、栏位信息匹配异常或栏位信息异常处理中的任意一个或多个的组合。
在一种可能的实现方式中,所述获取单元201还用于获取历史系统对应的多个历史样本;所述历史样本至少包括第一历史样本和第二历史样本,所述第一历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据,所述第二历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据;
所述确定单元202,还用于根据所述多个历史样本,确定预先构建的待定网络模型对应的训练样本;所述训练样本至少包括所述第一历史样本、所述第一历史样本对应的第一地域信息、所述第二历史样本和所述第二历史样本对应的第二地域信息;
所述训练单元,用于利用所述训练样本对所述待定网络模型进行训练,得到所述样本生成模型。
上述实施例提供的测试样本生成装置,获取待测试系统对应的测试样本,并根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度,该差异维度标识了目标样本和测试样本之间,由于地域信息不同导致测试数据所对应的维度存在差异。根据所述目标地域信息,确定所述差异维度对应的替换参数,从而可以根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本。由于测试样本所包括多个维度的测试数据为适用于待测试系统的正常数据,因此,可以将测试样本作为参考。并且,以目标地域信息作为生成目标样本的依据,通过样本生成模型生成测试样本,实现了自动化生成不同地域所对应的测试样本。基于此,仅需要提供少量测试样本,就可以生成待测试系统面向所有地域所对应的测试样本,降低了人工制造测试样本的成本,提高了生成测试样本的效率。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质可以是下述介质中的至少一种:只读存储器(英文:read-only memory,缩写:ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备及系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种测试样本生成方法,其特征在于,所述方法包括:
获取待测试系统对应的测试样本;所述测试样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据;
根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度;其中,所述目标地域信息为所述待测试系统对应的地域信息集合中的任意一个;
根据所述目标地域信息,确定所述差异维度对应的替换参数;
根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述待测试系统所适用客户对应的客户分类标签;
根据所述客户分类标签,确定所述目标样本对应的N个维度;
所述根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本包括:
根据所述替换参数、所述测试样本和所述客户分类标签,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本包括所述N个维度的测试数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述待测试系统所包括的多个处理节点,确定至少一个处理节点对应的异常处理规则;
根据所述异常处理规则和所述目标样本,生成所述待测试系统对应的异常样本;所述异常样本包括不适用于所述待测试系统的异常数据。
4.根据权利要求3所述的方法,其特征在于,所述异常处理规则包括数据类型异常处理、数据长度异常处理、栏位信息匹配异常或栏位信息异常处理中的任意一个或多个的组合。
5.根据权利要求1-4任意一项所述的方法,其特征在于,所述方法还包括:
获取历史系统对应的多个历史样本;所述历史样本至少包括第一历史样本和第二历史样本,所述第一历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据,所述第二历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据;
根据所述多个历史样本,确定预先构建的待定网络模型对应的训练样本;所述训练样本至少包括所述第一历史样本、所述第一历史样本对应的第一地域信息、所述第二历史样本和所述第二历史样本对应的第二地域信息;
利用所述训练样本对所述待定网络模型进行训练,得到所述样本生成模型。
6.一种测试样本生成装置,其特征在于,所述装置包括获取单元、确定单元和生成单元:
所述获取单元,用于获取待测试系统对应的测试样本;所述测试样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据;
所述确定单元,用于根据目标地域信息和所述测试样本对应的指定地域信息,确定所述测试样本和目标样本针对所述多个维度中至少存在的一个差异维度;其中,所述目标地域信息为所述待测试系统对应的地域信息集合中的任意一个;
所述确定单元,还用于根据所述目标地域信息,确定所述差异维度对应的替换参数;
所述生成单元,用于根据所述替换参数和所述测试样本,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本所包括多个维度的测试数据为适用于所述待测试系统的正常数据。
7.根据权利要求6所述的装置,其特征在于,所述获取单元还用于获取所述待测试系统所适用客户对应的客户分类标签;
所述确定单元,还用于根据所述客户分类标签,确定所述目标样本对应的N个维度;
所述生成单元,用于根据所述替换参数、所述测试样本和所述客户分类标签,利用样本生成模型生成所述目标地域信息对应的所述目标样本;所述目标样本包括所述N个维度的测试数据。
8.根据权利要求6所述的装置,其特征在于,所述确定单元,还用于根据所述待测试系统所包括的多个处理节点,确定至少一个处理节点对应的异常处理规则;
所述生成单元,还用于根据所述异常处理规则和所述目标样本,生成所述待测试系统对应的异常样本;所述异常样本包括不适用于所述待测试系统的异常数据。
9.根据权利要求8所述的装置,其特征在于,所述异常处理规则包括数据类型异常处理、数据长度异常处理、栏位信息匹配异常或栏位信息异常处理中的任意一个或多个的组合。
10.根据权利要求6-9任意一项所述的装置,其特征在于,所述获取单元还用于获取历史系统对应的多个历史样本;所述历史样本至少包括第一历史样本和第二历史样本,所述第一历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据,所述第二历史样本所包括多个维度的测试数据为适用于所述历史系统的正常数据;
所述确定单元,还用于根据所述多个历史样本,确定预先构建的待定网络模型对应的训练样本;所述训练样本至少包括所述第一历史样本、所述第一历史样本对应的第一地域信息、所述第二历史样本和所述第二历史样本对应的第二地域信息;
训练单元,用于利用所述训练样本对所述待定网络模型进行训练,得到所述样本生成模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010916803.7A CN112035369B (zh) | 2020-09-03 | 2020-09-03 | 一种测试样本生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010916803.7A CN112035369B (zh) | 2020-09-03 | 2020-09-03 | 一种测试样本生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112035369A CN112035369A (zh) | 2020-12-04 |
CN112035369B true CN112035369B (zh) | 2023-10-24 |
Family
ID=73591969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010916803.7A Active CN112035369B (zh) | 2020-09-03 | 2020-09-03 | 一种测试样本生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112035369B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976995A (zh) * | 2017-12-28 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 用于测试的方法和装置 |
CN110232130A (zh) * | 2019-05-20 | 2019-09-13 | 平安科技(深圳)有限公司 | 元数据管理谱系生成方法、装置、计算机设备和存储介质 |
-
2020
- 2020-09-03 CN CN202010916803.7A patent/CN112035369B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976995A (zh) * | 2017-12-28 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 用于测试的方法和装置 |
CN110232130A (zh) * | 2019-05-20 | 2019-09-13 | 平安科技(深圳)有限公司 | 元数据管理谱系生成方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112035369A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242793B (zh) | 医保数据异常的检测方法和装置 | |
CN111897705B (zh) | 服务状态处理、模型训练方法、装置、设备和存储介质 | |
CN105303449B (zh) | 基于相机指纹特征的社交网络用户的识别方法和系统 | |
CN110427375B (zh) | 字段类别的识别方法及装置 | |
CN110046201B (zh) | 用于处理业务交易的总账科目数据的方法、装置及系统 | |
CN113723861A (zh) | 异常用电行为检测方法、装置、计算机设备和存储介质 | |
CN106997350A (zh) | 一种数据处理的方法及装置 | |
CN112035369B (zh) | 一种测试样本生成方法和装置 | |
CN112015870B (zh) | 数据上传方法及装置 | |
Kadochnikov et al. | Explaining the performance of Russian export: what role does the soft and hard infrastructure play? | |
CN113835947B (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
CN111415168B (zh) | 一种交易告警的方法和装置 | |
CN117313058A (zh) | 信息的识别方法、装置、计算机设备和存储介质 | |
CN107423140B (zh) | 一种返回码识别方法和装置 | |
CN111325255A (zh) | 特定人群圈定方法、装置、电子设备及存储介质 | |
CN116127337A (zh) | 基于位置和图像的风险挖掘方法、装置、存储介质及设备 | |
CN111935279B (zh) | 基于区块链和大数据的物联网络维护方法及计算节点 | |
CN110457367B (zh) | 发现数据异动的方法和系统 | |
CN112860722A (zh) | 数据核对方法、装置、电子设备和可读存储介质 | |
CN111507397A (zh) | 一种异常数据的分析方法及装置 | |
CN113743838A (zh) | 目标用户识别方法、装置、计算机设备和存储介质 | |
CN111882429B (zh) | 一种银行系统字段长度分段方法和装置 | |
CN110427577B (zh) | 内容的影响评估方法、装置、电子设备和存储介质 | |
CN115273210B (zh) | 抗图像旋转的合影图像识别方法、装置、电子设备及介质 | |
CN112907306B (zh) | 一种客户满意度判别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |