.png){kind=icon}
返回
Improving test suite generation quality through machine learning-driven boundary value analysis
.png){kind=icon}
OA
AI
DOI：10.1016/j.array.2025.100496.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
边界值分析（BVA）是一种在软件测试中广泛使用的方法，用于识别输入域边界处的错误。然而，传统的BVA资源消耗大，对于具有广阔输入空间的复杂系统往往不切实际。机器学习的最新进展为自动化BVA提供了潜力，有助于提高效率和故障检测能力。本文介绍了一种基于机器学习的方法，用于自动生成边界测试输入。研究重点在于解决BVA过程的自动化问题，特别强调白盒测试场景。所提出的方法包含两个主要步骤。首先，训练一个基于机器学习的判别器，以识别两个测试输入之间存在边界。基于判别器的输出，我们使用两种提出的方法：“pointDensity”和“pairDensity”来计算边界密度。在第二步中，应用马尔可夫链蒙特卡罗（MCMC）技术，根据计算出的边界密度生成测试输入。实验旨在评估基于机器学习的方法与具体测试和手动边界分析相比的故障检测能力。结果表明，在八个程序中的五个程序上，我们提出的方法优于手动边界分析；在八个程序中的四个程序上，其性能超过具体测试。
Keyword:
Test input
Boundary value analysis
Software testing
Boundary coverage
Random testing
AI-based testing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.5
论文数:
925
被引数:
1.2K
机构
引用论文
分享收藏T. Katayama, H. Tachiyama, Y. Kita, H. Yamaba, K. Aburada, and N. Okazaki, “Bwdm: test cases automatic generation tool based on boundary value analysis with vdm++,” Journal of Robotics, Networking and Artificial Life, vol. 4, no. 2, pp. 110–113, 2017.T. Katayama, H. Tachiyama, Y. Kita, H. Yamaba, K. Aburada, and N. Okazaki, “Bwdm: 基于边界值分析及VDM++的测试用例自动生成工具,” 机器人、网络和人工生命杂志, 卷4, 期2, 页码110–113, 2017..png)
IF0
PREAI
分享收藏 没有更多内容
没有更多内容