CN117971705A - 基于定制化流量洞察的智能接口自动化测试系统及方法 - Google Patents

基于定制化流量洞察的智能接口自动化测试系统及方法 Download PDF

Info

Publication number
CN117971705A
CN117971705A CN202410365918.XA CN202410365918A CN117971705A CN 117971705 A CN117971705 A CN 117971705A CN 202410365918 A CN202410365918 A CN 202410365918A CN 117971705 A CN117971705 A CN 117971705A
Authority
CN
China
Prior art keywords
test
unit
data
test case
flow
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.)
Granted
Application number
CN202410365918.XA
Other languages
English (en)
Other versions
CN117971705B (zh
Inventor
杨波
陈俊
袁小蓉
李学荣
白玉强
叶欢
李松柏
胥廷海
高凯
汪勇强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Jiuzhou Electronic Technology Co Ltd
Original Assignee
Chengdu Jiuzhou Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Jiuzhou Electronic Technology Co Ltd filed Critical Chengdu Jiuzhou Electronic Technology Co Ltd
Priority to CN202410365918.XA priority Critical patent/CN117971705B/zh
Publication of CN117971705A publication Critical patent/CN117971705A/zh
Application granted granted Critical
Publication of CN117971705B publication Critical patent/CN117971705B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F11/368—Test management for test version control, e.g. updating test cases to a new software version
    • 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
    • G06F11/3676—Test management for coverage analysis
    • 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
    • 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
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • 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
    • G06F11/3692—Test management for test results analysis
    • 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
    • G06F11/3696—Methods or tools to render software testable
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了基于定制化流量洞察的智能接口自动化测试系统及方法，属于软件测试技术领域，系统包括：定制化流量捕获模块：用于捕获业务逻辑的流量数据，获取定制化流量数据；智能流量分析模块：用于对定制化流量数据进行分析，进而挖掘测试用例生成的关键点；自适应测试用例生成模块：用于基于挖掘的关键点，动态调整测试用例生成策略，生成高效能测试用例；模块化测试执行模块：用于对接口模块化执行生成的测试用例，实现接口自动化测试。本发明够通过分析实际的接口流量并结合AI算法，自动生成和优化测试用例，实现接口测试的高度自动化和智能化。

Description

基于定制化流量洞察的智能接口自动化测试系统及方法
技术领域
本发明属于软件测试技术领域，具体涉及一种基于定制化流量洞察的智能接口自动化测试系统及方法。
背景技术
在软件工程实践中，接口测试是确保各个模块能够正确交互的重要环节。传统的接口测试方法往往依赖于手工编写测试用例，这不仅仅效率低下，而且容易因为人为因素导致测试覆盖不全面。随着服务导向架构（SOA）和微服务器架构的广泛应用，系统组件之间的交互编的更加频繁和复杂。因此，传统测试方法在处理如此庞大和复杂的接口调用时显得力不从心。
此外，快速迭代的开发模式要求测试能够快速响应开发变化，这就需要测试用例能够不断地自我更新和优化。现有技术中，自动化测试工具一般能够执行预定义的测试用例，但缺乏针对新变化自动更新测试用例的能力。因此，测试结果的准确性和时效性常常无法满足敏捷开发的要求。
发明内容
针对现有技术中的上述不足，本发明提供的基于定制化流量洞察的智能接口自动化测试系统及方法够通过分析实际的接口流量并结合AI算法，自动生成和优化测试用例，实现接口测试的高度自动化和智能化。
为了达到上述发明目的，本发明采用的技术方案为：基于定制化流量洞察的智能接口自动化测试系统，包括：
定制化流量捕获模块：用于捕获业务逻辑的流量数据，获取定制化流量数据；
智能流量分析模块：用于对定制化流量数据进行分析，进而挖掘测试用例生成的关键点；
自适应测试用例生成模块：用于基于挖掘的关键点，动态调整测试用例生成策略，生成高效能测试用例；
模块化测试执行模块：用于对接口模块化执行生成的测试用例，实现接口自动化测试。
进一步地，所述定制化流量捕获模块包括关键点定义单元、数据捕获单元、数据提取与封装单元以及数据存储单元；
所述关键点定义单元用于定义实行捕获逻辑的应用程序关键点；
所述数据捕获单元用于根据触发逻辑捕获数据及对应HTTP请求信息；
所述数据提取与封装单元用于从HTTP请求中提取出捕获数据，并将其转换为字符，作为响应数据，进而形成流量数据实体；
所述数据存储单元用于根据定义的关键点保存流量数据实体，作为定制化流量数据。
进一步地，所述智能流量分析模块包括流量分析模型和测试点筛选单元；
所述流量分析模型用于对定制化流量数据进行数据分析，提取每条流量数据对应的测试点；所述测试点表征对业务逻辑有重要影响的特征和指标；
所述测试点筛选单元用于筛选提取的测试点，作为测试用例生成的关键点。
进一步地，所述自适应测试用例生成模块包括初始测试用例生成单元、测试用例自适应调整单元以及测试用例输出单元；
所述初始测试用例生成单元用于为每个关键点创建对应的初始测试用例；所述初始测试用例映射所述关键点的参数和条件；
所述测试用例自适应调整单元用于使用自适应逻辑分析关键点，进而对创建的初始测试用例进行参数调整，生成高效能测试用例；
所述测试用例输出单元用于对生成的高效能测试用例进行收集，形成系统测试用例列表。
进一步地，所述模块化测试执行模块包括执行确定单元、模块化执行单元、运行测试单元以及测试结果收集单元；
所述执行确定单元用于确定将测试用例分配至对应测试模块；
所述模块化执行单元用于调用测试模块的runTest方法模块化执行测试用例；
所述运行测试单元用于在调用runTest方法执行测试用例时，模拟用户操作或系统行为，并验证系统反应；
所述测试结果收集单元用于收集测试用例的测试结果，并用于分析软件性能。
进一步地，所述系统还包括预测性结果分析模块，所述预测性结果分析模块用于使用深度学习模型对测试结果进行预测性分析，获取测试优化决策数据。
进一步地，所述预测性结果分析模块包括集成预测模型、模型分析单元以及结果处理单元；
所述集成预测模型为基于历史测试数据训练得到的深度学习模型；
所述模型分析单元用于利用深度学习模型对测试结果进行处理，输出对应的预测结果；
所述结果处理单元用于对预测结果进行处理，形成测试优化的决策数据。
一种智能接口自动化测试方法，包括以下步骤：
S1、定义业务逻辑关键点，并捕获对应流量数据；
S2、分析捕获的流量数据，挖掘创建测试用例的关键点；
S3、基于关键点创建初始测试用例，并对其自适应调整，生成高效能测试用例；
S4、对接口模块化执行高效能测试用例，实现接口自动化测试。
进一步地，所述步骤S1中，所述关键点为应用程序中实行捕获逻辑的点；
所述步骤S2具体为：
通过集成机器学习模型分析流量数据的参数及对应用户与服务器之间的交互信息，生成对应的测试点作为创建测试用例的关键点；其中，所述测试点表征对业务逻辑有重要影响的特征和指标；
所述步骤S3具体为：
对每个关键点，创建对应初始测试用例；使用自适应逻辑分析关键点，进而对对应初始测试用例进行参数调整，生成高效能测试用例；
所述步骤S4中，对执行高效能测试用例时，根据测试用例定义的参数和条件模拟用户操作或系统行为，并验证系统反应。
进一步地，所述方法还包括：
通过集成预测模型对测试结果进行分析，输出对应的预测结果；
对所述预测结果进行分析，形成测试优化的决策数据。
本发明的有益效果为：
（1）本发明系统利用定制化流量洞察技术与机器学习、深度学习等人工智能技术相结合，以提高软件开发中接口测试的自动化水平和智能化程度，进而提升软件质量和开发效率。
（2）本发明系统的预测性分析功能能够洞察并预警潜在的故障点，允许开发团队提前进行干预，大幅度提升最终软件产品的品质与可信度。
（3）本发明够通过分析实际的接口流量并结合AI算法，自动生成和优化测试用例，实现接口测试的高度自动化和智能化。
附图说明
图1为本发明提供的智能接口自动化测试方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例1：
本发明实施例提供了一种基于定制化流量洞察的智能接口自动化测试系统，包括：
定制化流量捕获模块：用于捕获业务逻辑的流量数据，获取定制化流量数据；
智能流量分析模块：用于对定制化流量数据进行分析，进而挖掘测试用例生成的关键点；
自适应测试用例生成模块：用于基于挖掘的关键点，动态调整测试用例生成策略，生成高效能测试用例；
模块化测试执行模块：用于对接口模块化执行生成的测试用例，实现接口自动化测试。
本发明实施例提中，通过定制化流量捕获模块专注于关键业务逻辑的流量数据捕获，减少无关数据的干扰。具体地，本实施例中的定制化流量捕获模块包括关键点定义单元、数据捕获单元、数据提取与封装单元以及数据存储单元；
所述关键点定义单元用于定义实行捕获逻辑的应用程序关键点；
所述数据捕获单元用于根据触发逻辑捕获数据及对应HTTP请求信息；
所述数据提取与封装单元用于从HTTP请求中提取出捕获数据，并将其转换为字符，作为响应数据，进而形成流量数据实体；
所述数据存储单元用于根据定义的关键点保存流量数据实体，作为定制化流量数据。
在本实施例中，通过关键点定义单元定义一个关键点(Pointcut)，指定在应用程序中的哪些点（例如方法调用或处理）将实行捕获逻辑。
在数据捕获单元工作时，通过捕获方法返回数据(After Returning Advice)，定制化流量捕获模块的一个后置通知逻辑被处罚，在目标方法成功执行并返回结果之后运行，该逻辑捕捉返回的数据和相关的HTTP请求信息。
在数据提取与封装单元中，从HTTP请求中提取出请求数据，同时将方法的返回值转换为字符串，作为响应数据，这两部分数据被结合起来形成一个流量数据实体(TrafficData对象)。
在数据存储单元中，根据关键点定义进行数据实体保存，经过筛选的关键流量数据被持久化存储，以供进一步的业务分析和决策支持，非关键数据则被丢弃，保证了数据存储和处理的效率和有效性。
在本发明实施例中，智能流量分析模块应用机器学习算法对定制化流量数据进行分析，挖掘测试用例生成的关键点；具体地，本实施例中的智能流量分析模块包括流量分析模型和测试点筛选单元；
所述流量分析模型用于对定制化流量数据进行数据分析，提取每条流量数据对应的测试点；所述测试点表征对业务逻辑有重要影响的特征和指标；
所述测试点筛选单元用于筛选提取的测试点，作为测试用例生成的关键点。
本实施例中的流量分析模型为完成训练的机器学习模型，该模型作为智能流量分析模块的核心，负责执行数据分析任务，在实例化分析模块时，会将这个预先训练好的模型作为传输传递给它，确保模块能够使用最先进的数据分析技术；流量分析模型在对流量数据进行分析时，接收一批流量数据作为输入，并对每一条数据进行细致的分析，这些流量数据可能包含了用户请求的各种参数、用户与服务器之间的交互信息等；在分析每一条流量数据时，机器学习模型会生成一个“测试点”，测试点是模型分析结果的抽象表示，包含了模型认为可能对业务有重要影响的特征和指标。
本实施例中的测试点筛选单元在筛选测试点时，不是所有生成的测试点都具有业务价值，因此，模块内部包含逻辑来判断每一个测试点是否相关，如果测试点被认为是相关的，它就会被添加到一个列表中，这种过滤机制确保模块的输出只包含那些对业务决策有实际帮助的结果，经过筛选的测试点将作为一个列表返回，业务分析师或者决策者可以使用这个列表来辨识和解决网络流量中的问题，或优化网络性能。
在本发明实施例中，自适应测试用例生成模块根据前面的分析结果，动态调整测试用例生成策略，生成高效能测试用例。具体地，本实施例中的所述自适应测试用例生成模块包括初始测试用例生成单元、测试用例自适应调整单元以及测试用例输出单元；
所述初始测试用例生成单元用于为每个关键点创建对应的初始测试用例；所述初始测试用例映射所述关键点的参数和条件；
所述测试用例自适应调整单元用于使用自适应逻辑分析关键点，进而对创建的初始测试用例进行参数调整，生成高效能测试用例；
所述测试用例输出单元用于对生成的高效能测试用例进行收集，形成系统测试用例列表。
在本实施例中，为了保证生成的测试用例能够覆盖更多的实际场景，并且能够适应系统的最新变化，模块内部包含了一套自适应逻辑，这套逻辑会根据测试点的具体内容调整测试用例的参数，使之能够更好地模拟用户行为、输入模式或系统交互；具体地，自适应逻辑将分析测试点，并据此调整测试用例的属性，如输入值的范围、执行的操作序列，以及期望的输出结果，这一步骤时实现模块智能化的关键，以确保生成的测试用例能够动态地反映出系统可能面临的变化和挑战。
在本实施例中的测试用例输出单元中，经过参数调整的测试用例会被收集并组成一个列表，这些测试用例之后可以被用来对系统进行全面的测试，确保系统在面对各种输入和操作时仍能保持稳定和正确。
本发明实施例中的模块化测试执行模块采用模块化策略高效执行测试用例，提升测试执行的灵活性和扩展性；具体地，本实施例中的模块化测试执行模块包括执行确定单元、模块化执行单元、运行测试单元以及测试结果收集单元；
所述执行确定单元用于确定将测试用例分配至对应测试模块；
所述模块化执行单元用于调用测试模块的runTest方法模块化执行测试用例；
所述运行测试单元用于在调用runTest方法执行测试用例时，模拟用户操作或系统行为，并验证系统反应；
所述测试结果收集单元用于收集测试用例的测试结果，并用于分析软件性能。
在本实施例的执行确定单元中，模块化测试执行模块接收一系列事先生成的测试用例作为输入，这些测试用例包含了需要验证的特定条件和参数，是从实际的运行数据中提取的场景；对于每一个测试用例，模块化测试执行模块首先通过一个工厂方法来确定哪一个具体的测试模块将用于执行该测试用例；TestModuleFactory是一个工厂类，它根据测试用例的特点和需求，动态地分配相应的测试模块。
在本实施例中的模块化执行单元中，一旦确定了相应的测试模块，模块化测试执行框架将调用该模块的runTest方法来执行测试；每个测试模块都是独立的，拥有执行测试用例所需的所有逻辑和资源；这种方式有助于隔离测试过程，使得测试结果不会互相干扰，同时也便于测试的并行执行。
在本实施例中的运行测试单元中，测试模块执行其runTest方法时，会根据测试用例中定义的参数和条件来模拟用户操作或系统行为，并验证系统反应是否符合预期，该过程可能涉及到一系列的操作，如发送请求、检查返回值、验证数据库状态等。
在本实施例中的测试结果收集模块中，在测试执行完毕后，每个模块会收集和记录测试结果，包括成功、失败或发现的任何异常；测试结果随后可用于分析软件性能，帮助开发者定位问题所在，优化代码，并提高软件质量。
本发明实施例中的智能接口自动化测试系统还包括预测性结果分析模块，所述预测性结果分析模块用于使用深度学习模型对测试结果进行预测性分析，获取测试优化决策数据。
本实施例中的预测性结果分析模块使用深度学习模块对测试结果进行预测性分析，为测试优化提供决策支持。具体地，本实施例中的预测性结果分析模块包括集成预测模型、模型分析单元以及结果处理单元；
所述集成预测模型为基于历史测试数据训练得到的深度学习模型；
所述模型分析单元用于利用深度学习模型对测试结果进行处理，输出对应的预测结果；
所述结果处理单元用于对预测结果进行处理，形成测试优化的决策数据。
在本实施例中，预测性结果分析模块中集成了一个先进的预测模型，在实例化分析器时，会将此预测模型作为参数传入，这个预测模型是用历史测试数据训练出来的，能够识别出测试结果中的模式和趋势；模块将接收一系列测试结果作为输入，这些测试结果是之前执行测试用例后获得的，包含了软件测试的各种输出，如成功、失败、性能指标等；对于每一个测试结果，预测模型将会被用来生成一个预测结果，预测模型会分析测试结果中的数据，尝试根据这些数据预测未来可能会发生的事件或系统的表现；生成的预测结果可以用于多种分析，例如，它可以帮助团队识别可能会导致失败的模式，或者预测在特定情况下系统性能可能出现的问题；预测结果可以为软件开发和测试团队提供宝贵的洞察力，帮助他们更好地理解系统潜在的风险，优化测试策略，以及提前部署资源来处理预期的问题。
本发明实施例提供的智能接口自动化测试系统，整合了定制化流量洞察与先进智能算法，从而确保了测试用例的高度相关性及优化了执行效率。进一步地，系统的预测性分析功能能够洞察并预警潜在的故障点，允许开发团队提前进行干预，大幅度提升最终软件产品的品质与可信度。
实施例2：
本发明基于实施例1中系统结构，提供了对应的智能接口自动化测试方法，如图1所示，包括以下步骤：
S1、定义业务逻辑关键点，并捕获对应流量数据；
S2、分析捕获的流量数据，挖掘创建测试用例的关键点；
S3、基于关键点创建初始测试用例，并对其自适应调整，生成高效能测试用例；
S4、对接口模块化执行高效能测试用例，实现接口自动化测试。
本发明实施例的步骤S1中，所述关键点为应用程序中实行捕获逻辑的点。
在本实施例中，通过定义一个关键点，指定在应用程序中的哪些点（例如，方法调用或处理）将实行捕获逻辑。对于捕获的流量数据，将其根据关键点定义进行实体数据保存，经过筛选的关键流量数据被持久化存储，以供进一步的业务分析和决策支持，非关键数据则被丢弃，这样保证了数据存储和处理的效率和有效性。
本发明实施例的步骤 S2具体为：
通过集成机器学习模型分析流量数据的参数及对应用户与服务器之间的交互信息，生成对应的测试点作为创建测试用例的关键点；其中，所述测试点表征对业务逻辑有重要影响的特征和指标。
具体地，在筛选测试点时，不是所有生成的测试点都具有业务价值，因此通过内容设置逻辑来判断每一个测试点是否相关。如果测试点被认为是相关的，它就会被添加到一个列表中；这个过滤机制确保输出只包含那些对业务决策有实际帮助的结果。
本发明实施例的步骤S3具体为：
对每个关键点，创建对应初始测试用例；使用自适应逻辑分析关键点，进而对对应初始测试用例进行参数调整，生成高效能测试用例。
具体地，为了确保测试用例能够覆盖更多的实际场景，并且能够适应系统的最新变化，设计一套自适应逻辑，这套逻辑会根据测试点的具体内容调整测试用例的参数，使之能够更好地模拟用户行为、输入模式或系统交互。自适应逻辑将分析测试点，并据此调整测试用例的属性，如输入值的范围、执行的操作序列，以及期望的输出结果。
在本发明实施例的步骤S4中，对执行高效能测试用例时，根据测试用例定义的参数和条件模拟用户操作或系统行为，并验证系统反应。
具体地，对于每一个测试用例，执行模块首先通过一个工厂方法来确定哪一个具体的测试模块将用于执行该用例；一旦确定了相应的测试模块，模块化测试执行框架将调用该模块的runTest方法来执行测试。每个测试模块都是独立的，拥有执行测试用例所需的所有逻辑和资源；测试模块执行其runTest方法时，会根据测试用例中定义的参数和条件来模拟用户操作或系统行为，并验证系统反应是否符合预期。该过程可能涉及到一系列的操作，如发送请求、检查返回值、验证数据库状态等。
在本发明实施例中，所述方法还包括：
通过集成预测模型对测试结果进行分析，输出对应的预测结果；
对所述预测结果进行分析，形成测试优化的决策数据。
具体地，集成预测模型，在实例化分析器时，会将此预测模型作为参数传入，这个预测模型是用历史测试数据训练出来的，能够识别出测试结果中的模式和趋势；模块将接收一系列测试结果作为输入，这些测试结果是之前执行测试用例后获得的，包含了软件测试的各种输出，如成功、失败、性能指标等；对于每一个测试结果，预测模型将会被用来生成一个预测结果，预测模型会分析测试结果中的数据，尝试根据这些数据预测未来可能会发生的事件或系统的表现；生成的预测结果可以用于多种分析，例如，它可以帮助团队识别可能会导致失败的模式，或者预测在特定情况下系统性能可能出现的问题；预测结果可以为软件开发和测试团队提供宝贵的洞察力，帮助他们更好地理解系统潜在的风险，优化测试策略，以及提前部署资源来处理预期的问题。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (10)

1.基于定制化流量洞察的智能接口自动化测试系统，其特征在于，包括：
定制化流量捕获模块：用于捕获业务逻辑的流量数据，获取定制化流量数据；
智能流量分析模块：用于对定制化流量数据进行分析，进而挖掘测试用例生成的关键点；
自适应测试用例生成模块：用于基于挖掘的关键点，动态调整测试用例生成策略，生成高效能测试用例；
模块化测试执行模块：用于对接口模块化执行生成的测试用例，实现接口自动化测试。
2.根据权利要求1所述的基于定制化流量洞察的智能接口自动化测试系统，其特征在于，所述定制化流量捕获模块包括关键点定义单元、数据捕获单元、数据提取与封装单元以及数据存储单元；
所述关键点定义单元用于定义实行捕获逻辑的应用程序关键点；
所述数据捕获单元用于根据触发逻辑捕获数据及对应HTTP请求信息；
所述数据提取与封装单元用于从HTTP请求中提取出捕获数据，并将其转换为字符，作为响应数据，进而形成流量数据实体；
所述数据存储单元用于根据定义的关键点保存流量数据实体，作为定制化流量数据。
3.根据权利要求1所述的基于定制化流量洞察的智能接口自动化测试系统，其特征在于，所述智能流量分析模块包括流量分析模型和测试点筛选单元；
所述流量分析模型用于对定制化流量数据进行数据分析，提取每条流量数据对应的测试点；所述测试点表征对业务逻辑有重要影响的特征和指标；
所述测试点筛选单元用于筛选提取的测试点，作为测试用例生成的关键点。
4.根据权利要求1所述的基于定制化流量洞察的智能接口自动化测试系统，其特征在于，所述自适应测试用例生成模块包括初始测试用例生成单元、测试用例自适应调整单元以及测试用例输出单元；
所述初始测试用例生成单元用于为每个关键点创建对应的初始测试用例；所述初始测试用例映射所述关键点的参数和条件；
所述测试用例自适应调整单元用于使用自适应逻辑分析关键点，进而对创建的初始测试用例进行参数调整，生成高效能测试用例；
所述测试用例输出单元用于对生成的高效能测试用例进行收集，形成系统测试用例列表。
5.根据权利要求1所述的基于定制化流量洞察的智能接口自动化测试系统，其特征在于，所述模块化测试执行模块包括执行确定单元、模块化执行单元、运行测试单元以及测试结果收集单元；
所述执行确定单元用于确定将测试用例分配至对应测试模块；
所述模块化执行单元用于调用测试模块的runTest方法模块化执行测试用例；
所述运行测试单元用于在调用runTest方法执行测试用例时，模拟用户操作或系统行为，并验证系统反应；
所述测试结果收集单元用于收集测试用例的测试结果，并用于分析软件性能。
6.根据权利要求1所述的基于定制化流量洞察的智能接口自动化测试系统，其特征在于，所述系统还包括预测性结果分析模块，所述预测性结果分析模块用于使用深度学习模型对测试结果进行预测性分析，获取测试优化决策数据。
7.根据权利要求1所述的基于定制化流量洞察的智能接口自动化测试系统，其特征在于，所述预测性结果分析模块包括集成预测模型、模型分析单元以及结果处理单元；
所述集成预测模型为基于历史测试数据训练得到的深度学习模型；
所述模型分析单元用于利用深度学习模型对测试结果进行处理，输出对应的预测结果；
所述结果处理单元用于对预测结果进行处理，形成测试优化的决策数据。
8.一种基于权利要求1~7任一权利要求所述的基于定制化流量洞察的智能接口自动化测试系统的智能接口自动化测试方法，其特征在于，包括以下步骤：
S1、定义业务逻辑关键点，并捕获对应流量数据；
S2、分析捕获的流量数据，挖掘创建测试用例的关键点；
S3、基于关键点创建初始测试用例，并对其自适应调整，生成高效能测试用例；
S4、对接口模块化执行高效能测试用例，实现接口自动化测试。
9.根据权利要求8所述的智能接口自动化测试方法，其特征在于，所述步骤S1中，所述关键点为应用程序中实行捕获逻辑的点；
所述步骤S2具体为：
通过集成机器学习模型分析流量数据的参数及对应用户与服务器之间的交互信息，生成对应的测试点作为创建测试用例的关键点；其中，所述测试点表征对业务逻辑有重要影响的特征和指标；
所述步骤S3具体为：
对每个关键点，创建对应初始测试用例；使用自适应逻辑分析关键点，进而对对应初始测试用例进行参数调整，生成高效能测试用例；
所述步骤S4中，对执行高效能测试用例时，根据测试用例定义的参数和条件模拟用户操作或系统行为，并验证系统反应。
10.根据权利要求8所述的智能接口自动化测试方法，其特征在于，所述方法还包括：
通过集成预测模型对测试结果进行分析，输出对应的预测结果；
对所述预测结果进行分析，形成测试优化的决策数据。
CN202410365918.XA 2024-03-28 2024-03-28 基于定制化流量洞察的智能接口自动化测试系统及方法 Active CN117971705B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410365918.XA CN117971705B (zh) 2024-03-28 2024-03-28 基于定制化流量洞察的智能接口自动化测试系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410365918.XA CN117971705B (zh) 2024-03-28 2024-03-28 基于定制化流量洞察的智能接口自动化测试系统及方法

Publications (2)

Publication Number Publication Date
CN117971705A true CN117971705A (zh) 2024-05-03
CN117971705B CN117971705B (zh) 2024-06-25

Family

ID=90863432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410365918.XA Active CN117971705B (zh) 2024-03-28 2024-03-28 基于定制化流量洞察的智能接口自动化测试系统及方法

Country Status (1)

Country Link
CN (1) CN117971705B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101814053A (zh) * 2010-03-29 2010-08-25 中国人民解放军信息工程大学 一种基于功能模型的二进制代码漏洞发现方法
CN106201800A (zh) * 2016-07-15 2016-12-07 北京捷科智诚科技有限公司 一种测试设计平台
CN111581090A (zh) * 2020-04-30 2020-08-25 重庆富民银行股份有限公司 一种基于nlp和rf框架的自动化测试用例生成方法及系统
US20200356464A1 (en) * 2019-05-07 2020-11-12 Viavi Solutions Inc. Test instrument for software communications architecture device testing
CN115017027A (zh) * 2021-03-04 2022-09-06 北京字节跳动网络技术有限公司 接口自动化持续集成测试方法、装置、设备及存储介质
CN115795900A (zh) * 2022-12-13 2023-03-14 重庆长安汽车股份有限公司 自动驾驶系统的软件在环仿真测试方法、装置及电子设备
CN115904950A (zh) * 2022-11-04 2023-04-04 平安银行股份有限公司 一种测试用例生成方法、装置、设备及存储介质
CN116048981A (zh) * 2022-12-30 2023-05-02 星河智联汽车科技有限公司 一种后端接口测试用例设计方法、装置、介质及设备
WO2023103640A1 (zh) * 2021-12-08 2023-06-15 中兴通讯股份有限公司 测试用例的生成方法、装置、电子设备和存储介质
CN117112408A (zh) * 2023-08-07 2023-11-24 一汽奔腾轿车有限公司 一种生成自动化测试用例脚本方法、装置及介质
CN117421217A (zh) * 2023-10-26 2024-01-19 浪潮智慧科技有限公司 一种软件功能自动测试方法、系统、终端及介质
CN117435513A (zh) * 2023-12-21 2024-01-23 深圳市智慧城市科技发展集团有限公司 测试用例生成方法、终端设备及计算机可读存储介质
CN117632710A (zh) * 2023-11-21 2024-03-01 百度国际科技（深圳）有限公司 测试代码的生成方法、装置、设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101814053A (zh) * 2010-03-29 2010-08-25 中国人民解放军信息工程大学 一种基于功能模型的二进制代码漏洞发现方法
CN106201800A (zh) * 2016-07-15 2016-12-07 北京捷科智诚科技有限公司 一种测试设计平台
US20200356464A1 (en) * 2019-05-07 2020-11-12 Viavi Solutions Inc. Test instrument for software communications architecture device testing
CN111581090A (zh) * 2020-04-30 2020-08-25 重庆富民银行股份有限公司 一种基于nlp和rf框架的自动化测试用例生成方法及系统
CN115017027A (zh) * 2021-03-04 2022-09-06 北京字节跳动网络技术有限公司 接口自动化持续集成测试方法、装置、设备及存储介质
WO2023103640A1 (zh) * 2021-12-08 2023-06-15 中兴通讯股份有限公司 测试用例的生成方法、装置、电子设备和存储介质
CN115904950A (zh) * 2022-11-04 2023-04-04 平安银行股份有限公司 一种测试用例生成方法、装置、设备及存储介质
CN115795900A (zh) * 2022-12-13 2023-03-14 重庆长安汽车股份有限公司 自动驾驶系统的软件在环仿真测试方法、装置及电子设备
CN116048981A (zh) * 2022-12-30 2023-05-02 星河智联汽车科技有限公司 一种后端接口测试用例设计方法、装置、介质及设备
CN117112408A (zh) * 2023-08-07 2023-11-24 一汽奔腾轿车有限公司 一种生成自动化测试用例脚本方法、装置及介质
CN117421217A (zh) * 2023-10-26 2024-01-19 浪潮智慧科技有限公司 一种软件功能自动测试方法、系统、终端及介质
CN117632710A (zh) * 2023-11-21 2024-03-01 百度国际科技（深圳）有限公司 测试代码的生成方法、装置、设备及存储介质
CN117435513A (zh) * 2023-12-21 2024-01-23 深圳市智慧城市科技发展集团有限公司 测试用例生成方法、终端设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN117971705B (zh) 2024-06-25

Similar Documents

Publication Publication Date Title
EP3798846B1 (en) Operation and maintenance system and method
CN117271981B (zh) 基于跨平台数据交互的人工智能管理系统
CN110221975B (zh) 创建接口用例自动化测试脚本的方法及装置
CN111400198B (zh) 一种自适应的软件测试系统
CN109933515B (zh) 一种回归测试用例集的优化方法和自动优化装置
CN105701016B (zh) 一种针对异常处理代码的测试方法
CN114153482A (zh) 基于数字孪生DaaS平台的深度学习编程方法及系统
CN112559367A (zh) 基于系统调用依赖图的内核模糊测试用例生成方法
CN105760300B (zh) 一种stk/utk业务的自动化测试方法及测试系统
CN113379070A (zh) 一种深度学习框架转换方法、系统、存储介质及设备
CN114138274A (zh) 一种深度学习编译器的高层中间表示转换方法及相关装置
CN114238071A (zh) 基于数字化仿真技术的dcs软件自动验证系统和方法
CN114398293A (zh) 接口测试用例生成方法、电子设备和存储介质
CN117787444B (zh) 一种面向集群对抗场景的智能算法快速集成方法及装置
CN117826618B (zh) 基于冷轧机控制系统的自适应性控制方法及系统
CN118035100A (zh) 一种大模型增强的测试想定智能设计方法
CN117971705B (zh) 基于定制化流量洞察的智能接口自动化测试系统及方法
CN114460925A (zh) 一种电动汽车控制器can接口hil自动化测试方法
CN112416800B (zh) 智能合约的测试方法、装置、设备及存储介质
CN102455897B (zh) 基于实例的迭代编译方法及编译装置
CN114840856A (zh) 一种状态感知的物联网可信执行环境模糊测试方法和系统
CN113849484A (zh) 一种大数据组件升级方法、装置、电子设备及存储介质
CN115237998A (zh) 一种信息审核的处理方法和装置
CN118394666B (zh) 基于低代码平台的智能业务流程自动化和优化方法
CN116204399B (zh) 一种Linux系统性能自动化测试方法及系统

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