CN118132451A - 一种计算机操作系统自动化测试及错误诊断系统及方法 - Google Patents
一种计算机操作系统自动化测试及错误诊断系统及方法 Download PDFInfo
- Publication number
- CN118132451A CN118132451A CN202410559224.XA CN202410559224A CN118132451A CN 118132451 A CN118132451 A CN 118132451A CN 202410559224 A CN202410559224 A CN 202410559224A CN 118132451 A CN118132451 A CN 118132451A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- abnormality
- computer
- diagnosis
- computer system
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 130
- 238000012360 testing method Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 114
- 230000005856 abnormality Effects 0.000 claims description 101
- 230000006870 function Effects 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 33
- 230000004913 activation Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000011161 development Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011990 functional testing Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及计算机系统错误诊断的技术领域，公开了一种计算机操作系统自动化测试及错误诊断系统及方法，包括用于检测计算机启动运行环境的运行环境检测模块，用于对计算机系统异常进行异常诊断的错误诊断模块，用于接收计算机系统异常信息并实时评估和优化异常诊断模型的学习与优化模块，用于生成异常处理策略并进行自动化测试的自动化测试策略模块，用于执行异常处理策略的测试策略执行模块，用于生成直观的测试报告的可视化报告与反馈模块，实现了计算机系统自动化测试、异常的诊断和处理异常的智能化，提高了计算机系统的稳定性。
Description
技术领域
本发明涉及计算机系统错误诊断的技术领域，公开了一种计算机操作系统自动化测试及错误诊断系统及方法。
背景技术
随着自动化测试技术的发展，越来越多的自动化测试工具被开发出来，用于测试操作系统的各个方面，包括功能测试、性能测试、安全测试等，在软件开发过程中，越来越多的团队开始采用持续集成和持续部署技术，将自动化测试集成到开发流程中，以实现快速反馈和持续交付，随着云原生技术的普及，越来越多的计算机系统部署在云端，这也促进了自动化测试和错误诊断技术的发展，以满足云环境下的需求，但仍然存在一些挑战和不足之处，由于操作系统的复杂性和多样性，现有的自动化测试工具往往无法覆盖所有可能的测试场景，导致测试用例覆盖不足，一些自动化错误诊断系统存在误报率高的问题，即误将正常情况诊断为错误，给开发团队带来不必要的困扰和工作量，一些自动化测试和错误诊断系统缺乏实时性，即无法及时发现和处理系统中的错误和异常情况，影响系统的稳定性和可靠性，虽然计算机操作系统自动化测试及错误诊断系统取得了一些进展，但仍然存在一些挑战和不足之处，需要进一步的研究和改进。未来可以通过提高测试用例覆盖率、降低误报率、提高模型可解释性、增强针对性和提高实时性等方面进行改进，以提高系统的可靠性和稳定性，而本发明提出的一种计算机操作系统自动化测试及错误诊断系统解决了上述的问题。
例如现有的授权公告号为CN114741219B的中国专利公开了一种基于操作系统的计算软件诊断系统和方法，涉及计算机技术领域。该系统中一个或多个计算设备用于各自向中心管理终端发送计算软件诊断请求；中心管理终端用于根据计算软件诊断请求确定待测计算软件信息；根据确定的待测计算软件信息从指定数据库获取操作系统、测试软件和测试实例；将获取的操作系统、测试软件和测试实例发送给一个或多个计算设备；一个或多个计算设备还用于启动操作系统，运行测试软件和测试实例；中心管理终端还用于对一个或多个计算设备的运行情况进行监控，采集软件运行错误的情况，并对软件运行错误的情况进行诊断，得到诊断结果。本申请实施例很大程度上提高了软件运行出错后的解决效率。
但是上述专利中存在：操作系统环境的复杂性，自动化测试及错误诊断系统可能存在误报和漏报的问题，即报告了不存在的问题或者未能发现实际存在的问题，影响了诊断和修复的准确性，计算机操作系统的复杂性和多样性导致测试和错误诊断系统需要覆盖大量的情况和场景，而现有系统可能无法完全涵盖所有可能的情况，导致测试不够全面，缺乏有效的评估指标和方法，导致系统的改进和优化难以有效进行，自动化测试及错误诊断系统涉及大量用户数据和系统信息，而上述发明并未对隐私进行保护。
发明内容
为解决上述技术问题，本发明的主要目的在于提供一种计算机操作系统自动化测试及错误诊断系统，包括：
运行环境检测模块，包括用于自动检测计算机操作环境的环境配置单元，用于扫描计算机系统安全漏洞的漏洞检测单元，用于登录信息和权限验证的隐私安全检测单元；
错误诊断模块，包括用于调用计算机系统运行日志和操作日志的资源调用单元，用于采集异常部分日志的信息并对异常部分的日志信息进行分析的异常诊断模型；
学习与优化模块，用于接收计算机系统异常信息并实时评估和优化异常诊断模型；
自动化测试策略模块，包括用于接收异常诊断模型输出的异常诊断报告的异常接收单元，用于对异常诊断报告进行分类的异常分类单元，用于根据异常分类模拟异常发生时的处理策略的异常处理单元；
测试策略执行模块，用于接收异常处理控制策略并执行计算机自动化处理异常；
可视化报告与反馈模块，用于生成直观的测试报告并反馈用户。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
所述环境配置单元对系统信息、网络连接、计算机系统性能、软件版本、系统日志和硬件状态进行检测；
所述漏洞检测单元用于检测计算机系统运行存在高危漏洞；
所述隐私安全检测单元用于验证计算机系统用户登录信息，并限制计算机系统运行权限。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
若运行环境检测模块检测计算机系统均未出现异常，则计算机系统正常运行；
若运行环境检测模块检测计算机系统信息、网络连接、计算机系统性能、软件版本、系统日志和硬件状态出现异常，则通过错误诊断模块对异常部分进行异常检测。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
所述资源调用单元通过调用日志管理工具查看系统异常问题；
所述系统异常问题包括系统信息异常、网络连接异常、计算机系统性能异常、软件版本异常、系统日志异常和硬件状态异常；
通过调取计算机系统异常部分的日志对异常部分的日志信息进行整合和预处理，去除冗余和错误的异常部分的日志信息，通过特征选择和特征变换将处理后的日志信息进行特征提取，将完成特征提取的异常部分的日志信息标记为数据集进而建立并优化异常诊断模型，建立和不断优化的异常诊断模型部署到实际的计算机系统中，并定期监控系统运行状态。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
所述异常诊断模型输入处理后的数据，将输入的处理后的数据映射到下一层，通过激活函数进行预测输出，最终输出异常诊断，异常诊断模型表达式如下所示：
其中，为异常诊断模型输出异常诊断报告，/>为输入到异常诊断模型中处理后的数据，/>为输入到异常诊断模型中处理后的数据映射到下一层的权重，b为偏差值，i为序数取1,2,3，...；
通过非线性引入函数建立激活函数用于将神经元的输出改为非线性，若输入激活函数的值大于计算机系统异常阈值，则输入的值直接作为输出值即异常诊断模型输出的即为计算机系统异常信息，若输入激活函数的值小于计算机系统异常阈值，则输入的值为0，输出值为0，激活函数表达式如下所示：
其中，为激活函数输出值，/>为异常诊断模型输出，max{}为最大值函数；
通过激活函数输出值，通过评估异常诊断模型输出值与理论设置值的误差，进而得到损失函数的输入，误差表达式如下所示：
其中，为误差函数输出误差值，/>为理论设置值，j为序数取1,2,3，...，n为任意值；
误差函数输出值为预测误差值，通过预测误差值作为损失函数的输入，通过损失函数输出损失值更新权重和偏差，所述损失函数表达式如下所示：
其中，为损失函数输出损失值，i取序数1,2,3...，n为任意值。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
所述学习与优化模块接收异常诊断模型表达式输出的异常信息，通过异常信息得到损失值，根据损失值更新权重和偏差进而最小化损失值，而损失值降低进而减小预测误差，提高了异常诊断模型的输出异常信息的准确性，权重更新计算表达式如下所示：
其中，为权重收敛后的值，/>为输入计算机系统异常日志的权重值，/>为求偏导数，/>为权重常数；
所述学习与优化模块接收测试策略执行模块执行的异常处理策略反馈信息，进而优化异常诊断模型。
所述异常接收单元用于接收异常诊断报告；
所述异常分类单元用于异常分类和识别结果，设计算法生成相应的测试用例，对这些测试用例覆盖各种异常情况，包括系统崩溃、性能下降、网络故障；
所述异常处理单元通过采取边界值测试、异常流程测试、随机测试、基于模型的测试进行策略生成。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
所述测试策略执行模块用于分析测试执行结果，评估系统的稳定性和可靠性；若发现异常情况，及时反馈给开发团队进行修复；同时，将测试过程中收集到的数据反馈给学习与优化模块，用于持续改进异常诊断模型。
作为本发明一种计算机操作系统自动化测试及错误诊断系统的一种优选方案，其中：
所述可视化报告与反馈模块用于生成直观的测试报告，所述测试报告包括测试覆盖率、通过率和失败率；
将错误信息和改进建议以可视化方式反馈开发团队。
作为本发明一种计算机操作系统自动化测试及错误诊断方法的一种优选方案，其中：
S1、对计算机运行环境进行检测；
S2、若运行环境检测模块检测计算机系统均未出现异常，则计算机系统正常运行，若运行环境检测模块检测计算机系统出现异常，则对异常部分进行异常检测；
S3、通过对计算机系统异常信息进行检测和分析进而得出异常处理策略；
S4、通过计算机系统自动执行异常处理策略并自动测试计算机系统运行情况，对计算机系统异常进行处理；
S5、实时收集计算机系统异常数据并反馈至异常诊断模型，进而对异常诊断模型进行实时优化；
S6、计算机系统正常运行。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时，实现一种计算机操作系统自动化测试及错误诊断方法。
一种电子设备，包括：存储器，用于存储指令；
处理器，用于执行所述指令，使得所述设备执行实现一种计算机操作系统自动化测试及错误诊断方法。
本发明的有益效果：
本发明的自动化测试能够快速执行大量测试用例，节省人力和时间成本，错误诊断系统能够快速、准确地定位和分析问题，加快问题解决的速度。
本发明可以覆盖多种测试场景，包括功能测试、性能测试等，确保全面的测试覆盖，错误诊断模块可以综合多种数据进行分析，提供全面的问题定位和分析报告，基于机器学习模型的错误诊断系统能够准确判断和预测系统的异常情况，降低误报和漏报的风险，整合自动化测试及错误诊断系统到持续集成和部署流程中，确保每次代码变更都能进行全面的测试和错误诊断，促进持续交付。
本发明的自动化测试及错误诊断系统能够快速响应系统的异常情况，帮助开发人员及时处理和修复问题，保障系统的稳定性和可靠性，基于大量的数据分析，自动化测试及错误诊断系统能够为开发人员提供数据支持的决策和优化建议。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一种计算机操作系统自动化测试及错误诊断系统的系统组成图；
图2为本发明一种计算机操作系统自动化测试及错误诊断方法的流程图；
图3为本发明一种计算机操作系统自动化测试及错误诊断系统异常诊断模型原理图；
图4为本发明一种计算机操作系统自动化测试及错误诊断系统异常诊断模型权值优化仿真结果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例一：
如图1所示，一种计算机操作系统自动化测试及错误诊断系统，包括：
运行环境检测模块，包括用于自动检测计算机操作环境的环境配置单元，用于扫描计算机系统安全漏洞的漏洞检测单元，用于登录信息和权限验证的隐私安全检测单元；
其中，环境配置单元对系统信息、网络连接、计算机系统性能、软件版本、系统日志和硬件状态进行检测；
进一步的，系统信息包括操作系统版本、内核版本、CPU信息、内存信息、硬盘空间等，可以全面了解系统的基本配置和状态；
例如，对不同的操作系统可以自动适配不同的检测工具，在Windows系统中，可以使用系统信息工具；在Linux系统中，可以使用命令行工具如uname、lshw等；
网络连接包括检测网络连接状态，网络连接状态包括网络接口、IP地址、DNS配置；通过ipconfig查看Windows系统的网络连接信息，通过ifconfig来查看Linux网络连接信息；
计算机系统性能包括CPU利用率、内存占用、磁盘IO等指标；
软件版本包括操作系统补丁、应用程序版本；
系统日志包括系统日志、应用程序日志等，以便及时发现系统运行中的异常情况；
硬件状态包括硬盘健康状态、温度传感器数据、电源状态；
漏洞检测单元用于检测计算机系统运行存在高危漏洞；
隐私安全检测单元用于验证计算机系统用户登录信息，保护用户隐私安全，同时限制计算机系统运行权限，保护关键功能的权限不受侵害；
若运行环境检测模块检测计算机系统均未出现异常，则计算机系统正常运行，若运行环境检测模块检测计算机系统信息、网络连接、计算机系统性能、软件版本、系统日志和硬件状态出现异常，则通过错误诊断模块对异常部分进行异常检测；
错误诊断模块，包括用于调用计算机系统运行日志和操作日志的资源调用单元，用于采集异常部分日志的信息并对异常部分的日志信息进行分析的异常诊断模型；
其中，资源调用单元通过调用日志管理工具查看系统异常问题；
进一步的，系统异常问题包括系统信息异常、网络连接异常、计算机系统性能异常、软件版本异常、系统日志异常和硬件状态异常，系统不同部分的异常对应调取不同的日志；
进一步的，通过调取计算机系统异常部分的日志，并对异常部分的日志信息进行整合和预处理，去除冗余和错误的异常部分的日志信息，通过特征选择和特征变换将处理后的日志信息进行特征提取，将完成特征提取的异常部分的日志信息标记为数据集进而建立并优化异常诊断模型，建立和不断优化的异常诊断模型部署到实际的计算机系统中，并定期监控系统运行状态；
如图3所示，，/>，/>为输入异常数据的组数，/>，/>，/>为输入异常数据的组数对应的权值，b为偏差值；
其中，异常诊断模型输入处理后的数据，将输入的处理后的数据映射到下一层，通过激活函数进行预测输出，最终输出异常诊断，异常诊断模型表达式如下所示：
其中，为异常诊断模型输出异常诊断报告，/>为输入到异常诊断模型中处理后的数据，/>为输入到异常诊断模型中处理后的数据映射到下一层的权重，i为序数取1,2,3，...；
偏差值的确定需要定量分析输入异常数据和权重以及计算机系统设置参数；
进一步的，处理后的数据包括去除冗余和错误的异常部分的日志信息，并提取特征值建立特征集后的数据；
通过非线性引入函数建立激活函数用于将神经元的输出改为非线性，若输入激活函数的值大于计算机系统异常阈值，则输入的值直接作为输出值即异常诊断模型输出的即为计算机系统异常信息，若输入激活函数的值小于计算机系统异常阈值，则输入的值为0，输出值为0（0表示计算机系统异常在正常范围内为非异常），激活函数表达式如下所示：
其中，为激活函数输出值，/>为异常诊断模型输出，max{}为最大值函数；
通过激活函数输出值，通过评估异常诊断模型输出值与理论设置值的误差，进而得到损失函数的输入，误差表达式如下所示：
其中，为误差函数输出误差值，/>为理论设置值，j为序数取1,2,3，...，n为任意值；
误差函数输出值为预测误差值，通过预测误差值作为损失函数的输入，通过损失函数输出损失值更新权重和偏差，所述损失函数表达式如下所示：
其中，为损失函数输出损失值，i取序数1,2,3...，n为任意值；
学习与优化模块，用于接收计算机系统异常信息并实时评估和优化异常诊断模型；
如图4所示，为更新权值仿真结果图；
其中，学习与优化模块接收异常诊断模型表达式输出的异常信息，通过异常信息得到损失值，根据损失值更新权重和偏差进而最小化损失值，而损失值降低进而减小预测误差，提高了异常诊断模型的输出异常信息的准确性，权重更新计算表达式如下所示：
其中，为权重收敛后的值，/>为输入计算机系统异常日志的权重值，/>为求偏导数，/>为权重常数；
进一步的，学习与优化模块接收测试策略执行模块执行的异常处理策略反馈信息，进而优化异常诊断模型；
自动化测试策略模块，包括用于接收异常诊断模型输出的异常诊断报告的异常接收单元，用于对异常诊断报告进行分类的异常分类单元，用于根据异常分类模拟异常发生时的处理策略的异常处理单元；
其中，异常接收单元用于接收异常诊断报告；
所述异常分类单元用于异常分类和识别结果，设计算法生成相应的测试用例，对这些测试用例覆盖各种异常情况，包括系统崩溃、性能下降、网络故障；
异常处理单元通过采取边界值测试、异常流程测试、随机测试、基于模型的测试进行策略生成；
进一步的，边界值测试针对异常情况的边界条件生成测试用例，例如系统资源耗尽、输入参数超出范围等。
异常流程测试模拟系统发生异常时的处理流程，例如异常恢复、错误处理等。
随机测试随机生成测试用例来覆盖系统可能出现的各种异常情况，以增加测试覆盖率。
基于模型的测试利用异常分类和识别模型，根据不同的异常类型生成相应的测试用例。
测试策略执行模块，用于接收异常处理控制策略并执行计算机自动化处理异常；
其中，测试策略执行模块用于分析测试执行结果，评估系统的稳定性和可靠性；若发现异常情况，及时反馈给开发团队进行修复；同时，将测试过程中收集到的数据反馈给学习与优化模块，用于持续改进异常诊断模型；
进一步的，定期评估测试策略的效果，并根据实际情况进行调整和优化。
可视化报告与反馈模块，用于生成直观的测试报告并反馈用户；
其中，可视化报告与反馈模块用于生成直观的测试报告，包括测试覆盖率、通过率和失败率。同时，将错误信息和改进建议以可视化方式反馈，便于开发团队理解和处理。
实施例二：
如图2所示，一种计算机操作系统自动化测试及错误诊断方法，包括：
S1、对计算机运行环境进行检测；
S2、若运行环境检测模块检测计算机系统均未出现异常，则计算机系统正常运行，若运行环境检测模块检测计算机系统出现异常，则对异常部分进行异常检测；
S3、通过对计算机系统异常信息进行检测和分析进而得出异常处理策略；
S4、通过计算机系统自动执行异常处理策略并自动测试计算机系统运行情况，对计算机系统异常进行处理；
S5、实时收集计算机系统异常数据并反馈至异常诊断模型，进而对异常诊断模型进行实时优化；
S6、计算机系统正常运行。
实施例三：
本实施例中，提供了一种电子设备，包括存储器和处理器，存储器用于存储指令，处理器用于执行该指令，使得设备执行实现上述一种计算机操作系统自动化测试及错误诊断方法。
实施例四：
一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述的一种计算机操作系统自动化测试及错误诊断方法。
重要的是，应注意，在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了两个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下，许多改型是可能的例如，各种元件的尺寸、尺度、结构、形状和比例，以及参数值（例如，温度、压力等）、安装布置、材料的使用、颜色、定向的变化等。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。
此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征（即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或与实现本发明不相关的那些特征）。
应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，开发努力将是一个设计、制造和生产的常规工作。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (12)
1.一种计算机操作系统自动化测试及错误诊断系统，其特征在于：包括，
运行环境检测模块，包括用于自动检测计算机操作环境的环境配置单元，用于扫描计算机系统安全漏洞的漏洞检测单元，用于登录信息和权限验证的隐私安全检测单元；
错误诊断模块，包括用于调用计算机系统运行日志和操作日志的资源调用单元，用于采集异常部分日志的信息并对异常部分的日志信息进行分析的异常诊断模型；
学习与优化模块，用于接收计算机系统异常信息并实时评估和优化异常诊断模型；
自动化测试策略模块，包括用于接收异常诊断模型输出的异常诊断报告的异常接收单元，用于对异常诊断报告进行分类的异常分类单元，用于根据异常分类模拟异常发生时的处理策略的异常处理单元；
测试策略执行模块，用于接收异常处理控制策略并执行计算机自动化处理异常；
可视化报告与反馈模块，用于生成直观的测试报告并反馈用户。
2.根据权利要求1所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述环境配置单元对系统信息、网络连接、计算机系统性能、软件版本、系统日志和硬件状态进行检测；
所述漏洞检测单元用于检测计算机系统运行存在高危漏洞；
所述隐私安全检测单元用于验证计算机系统用户登录信息，并限制计算机系统运行权限。
3.根据权利要求2所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
若运行环境检测模块检测计算机系统均未出现异常，则计算机系统正常运行；
若运行环境检测模块检测计算机系统信息、网络连接、计算机系统性能、软件版本、系统日志和硬件状态出现异常，则通过错误诊断模块对异常部分进行异常检测。
4.根据权利要求3所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述资源调用单元通过调用日志管理工具查看系统异常问题；
所述系统异常问题包括系统信息异常、网络连接异常、计算机系统性能异常、软件版本异常、系统日志异常和硬件状态异常；
通过调取计算机系统异常部分的日志对异常部分的日志信息进行整合和预处理，去除冗余和错误的异常部分的日志信息，通过特征选择和特征变换将处理后的日志信息进行特征提取，将完成特征提取的异常部分的日志信息标记为数据集进而建立并优化异常诊断模型，建立和不断优化的异常诊断模型部署到实际的计算机系统中，并定期监控系统运行状态。
5.根据权利要求4所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述异常诊断模型输入处理后的数据，将输入的处理后的数据映射到下一层，通过激活函数进行预测输出，最终输出异常诊断，异常诊断模型表达式如下所示：
；
其中，为异常诊断模型输出异常诊断报告，/>为输入到异常诊断模型中处理后的数据，/>为输入到异常诊断模型中处理后的数据映射到下一层的权重，b为偏差值，i为序数取1,2,3，...；
通过非线性引入函数建立激活函数用于将神经元的输出改为非线性，若输入激活函数的值大于计算机系统异常阈值，则输入的值直接作为输出值即异常诊断模型输出的即为计算机系统异常信息，若输入激活函数的值小于计算机系统异常阈值，则输入的值为0，输出值为0，激活函数表达式如下所示：
；
其中，为激活函数输出值，/>为异常诊断模型输出，max{}为最大值函数；
通过激活函数输出值，通过评估异常诊断模型输出值与理论设置值的误差，进而得到损失函数的输入，误差表达式如下所示：
；
其中，为误差函数输出误差值，/>为理论设置值，j为序数取1,2,3，...，n为任意值；
误差函数输出值为预测误差值，通过预测误差值作为损失函数的输入，通过损失函数输出损失值更新权重和偏差，所述损失函数表达式如下所示：
；
其中，为损失函数输出损失值，i取序数1,2,3...，n为任意值。
6.根据权利要求5所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述学习与优化模块接收异常诊断模型表达式输出的异常信息，通过异常信息得到损失值，根据损失值更新权重和偏差进而最小化损失值，而损失值降低进而减小预测误差，提高了异常诊断模型的输出异常信息的准确性，权重更新计算表达式如下所示：
；
其中，为权重收敛后的值，/>为输入计算机系统异常日志的权重值，/>为求偏导数，为权重常数；
所述学习与优化模块接收测试策略执行模块执行的异常处理策略反馈信息，进而优化异常诊断模型。
7.根据权利要求6所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述异常接收单元用于接收异常诊断报告；
所述异常分类单元用于异常分类和识别结果，设计算法生成相应的测试用例，对这些测试用例覆盖各种异常情况，包括系统崩溃、性能下降、网络故障；
所述异常处理单元通过采取边界值测试、异常流程测试、随机测试、基于模型的测试进行策略生成。
8.根据权利要求7所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述测试策略执行模块用于分析测试执行结果，评估系统的稳定性和可靠性；若发现异常情况，及时反馈给开发团队进行修复；同时，将测试过程中收集到的数据反馈给学习与优化模块，用于持续改进异常诊断模型。
9.根据权利要求8所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：
所述可视化报告与反馈模块用于生成直观的测试报告，所述测试报告包括测试覆盖率、通过率和失败率；
将错误信息和改进建议以可视化方式反馈开发团队。
10.一种计算机操作系统自动化测试及错误诊断方法，用于实现权利要求1-9中任一项所述的一种计算机操作系统自动化测试及错误诊断系统，其特征在于：包括，
S1、对计算机运行环境进行检测；
S2、若运行环境检测模块检测计算机系统均未出现异常，则计算机系统正常运行，若运行环境检测模块检测计算机系统出现异常，则对异常部分进行异常检测；
S3、通过对计算机系统异常信息进行检测和分析进而得出异常处理策略；
S4、通过计算机系统自动执行异常处理策略并自动测试计算机系统运行情况，对计算机系统异常进行处理；
S5、实时收集计算机系统异常数据并反馈至异常诊断模型，进而对异常诊断模型进行实时优化；
S6、计算机系统正常运行。
11.一种计算机设备，其特征在于：包括，
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述设备执行实现如权利要求10中所述的一种计算机操作系统自动化测试及错误诊断方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被执行时，实现如权利要求10中所述的一种计算机操作系统自动化测试及错误诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410559224.XA CN118132451B (zh) | 2024-05-08 | 2024-05-08 | 一种计算机操作系统自动化测试及错误诊断系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410559224.XA CN118132451B (zh) | 2024-05-08 | 2024-05-08 | 一种计算机操作系统自动化测试及错误诊断系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118132451A true CN118132451A (zh) | 2024-06-04 |
| CN118132451B CN118132451B (zh) | 2024-07-30 |
Family
ID=91232058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410559224.XA Active CN118132451B (zh) | 2024-05-08 | 2024-05-08 | 一种计算机操作系统自动化测试及错误诊断系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118132451B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114741219A (zh) * | 2022-03-28 | 2022-07-12 | 慧之安信息技术股份有限公司 | 基于操作系统的计算软件诊断系统和方法 |
| US20230281068A1 (en) * | 2022-03-07 | 2023-09-07 | Adobe Inc. | Error Log Anomaly Detection |
| CN117234785A (zh) * | 2023-11-09 | 2023-12-15 | 华能澜沧江水电股份有限公司 | 基于人工智能自查询的集控平台错误分析系统 |
-
2024
- 2024-05-08 CN CN202410559224.XA patent/CN118132451B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230281068A1 (en) * | 2022-03-07 | 2023-09-07 | Adobe Inc. | Error Log Anomaly Detection |
| CN114741219A (zh) * | 2022-03-28 | 2022-07-12 | 慧之安信息技术股份有限公司 | 基于操作系统的计算软件诊断系统和方法 |
| CN117234785A (zh) * | 2023-11-09 | 2023-12-15 | 华能澜沧江水电股份有限公司 | 基于人工智能自查询的集控平台错误分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118132451B (zh) | 2024-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111881452B (zh) | 一种面向工控设备的安全测试系统及其工作方法 | |
| US8214364B2 (en) | Modeling user access to computer resources | |
| US11503045B2 (en) | Scalable hierarchical abnormality localization in cyber-physical systems | |
| EP3490223A1 (en) | System and method for simulating and foiling attacks on a vehicle on-board network | |
| CN112749097B (zh) | 一种模糊测试工具性能测评方法、装置 | |
| CN112988444B (zh) | 用于服务器集群故障诊断的处理方法、处理装置、及处理设备、用于服务器故障诊断的方法及计算机可读存储介质 | |
| CN117783769B (zh) | 基于可视平台的配电网络故障定位方法、系统、设备及存储介质 | |
| CN113656323A (zh) | 一种自动化测试、定位及修复故障的方法及存储介质 | |
| CN105825130B (zh) | 一种信息安全预警方法及装置 | |
| CN117056172B (zh) | 一种用于系统集成中台的数据集成方法及系统 | |
| CN118157961A (zh) | 主动模拟入侵评估与全链路可视化防护系统、方法及设备 | |
| CN118132451B (zh) | 一种计算机操作系统自动化测试及错误诊断系统及方法 | |
| CN113033639A (zh) | 一种异常数据检测模型的训练方法、电子设备及存储介质 | |
| CN116523722A (zh) | 一种具备机器学习能力的环境监测分析系统 | |
| KR102692350B1 (ko) | 악성 이벤트로그 자동분석 장치 및 방법 | |
| CN115758389A (zh) | 漏洞处理结果校验方法、装置、电子设备及存储介质 | |
| KR102111136B1 (ko) | 대응지시서를 생성하고, 적용 결과를 분석하는 방법, 감시장치 및 프로그램 | |
| CN110865939B (zh) | 应用程序质量监测方法、装置、计算机设备和存储介质 | |
| CN113869373A (zh) | 设备异常检测方法、装置、计算机设备和存储介质 | |
| Lee et al. | An investigation of essential topics on software fault-proneness prediction | |
| CN113836539A (zh) | 基于精准测试的电力工控系统漏洞全流程处置系统及方法 | |
| CN113722230A (zh) | 针对模糊测试工具漏洞挖掘能力的集成化评估方法及装置 | |
| CN115695039B (zh) | 网络安全漏洞检测系统及方法 | |
| CN117891749B (zh) | Api应用安全监测方法、装置、设备及存储介质 | |
| CN117150506B (zh) | 一种漏洞全生命周期管理运营系统及方法 |
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 |