基于知识图谱的众测任务分配技术的设计与实现
这是一篇关于知识图谱,特征学习,众包测试,任务分配的论文, 主要内容为众包测试通过短时间招募大量测试工人对待测软件进行测试,解决了传统测试过程中测试人员组成单一、周期长、成本高的问题。但众包模式下测试人员的非专业和不确定也会导致测试报告质量参差不齐、测试需求覆盖率不达标、重复缺陷报告数量多、效率低的问题。为此,本文设计了“基于知识图谱的众测任务分配技术”,力图通过个性化任务分配充分发挥众包工人在众测中的个体优势和群体智慧,改善上述问题,提高测试报告质量和测试完成效率。技术具体包括三个模块:1)知识图谱数据获取模块:引入“协作式众包测试”概念,构建完整的众测报告提交平台来获取知识图谱所需数据。众包工人在此平台领取三级页面测试任务填写缺陷报告时可以看到他人的相似缺陷报告并在其基础上进行增改,帮助提高报告质量,减少重复报告数目。众包工人也需要执行审核任务,即通过点赞点踩的方式审阅他人缺陷报告,推动最终可交付报告生成。2)知识图谱特征学习模块:系统根据平台中数据构建众包领域内知识图谱,结合众包工人历史执行任务记录作为输入,利用机器学习模型得到众包工人对特定任务的偏好,综合当前测试任务的三级页面覆盖情况,审核任务的缺陷报告点赞点踩数量情况,个性化分配测试任务和审核任务给众包工人。3)知识图谱任务分配模块:将任务分配结果和当前任务执行情况可视化展示给众包工人,帮助提高测试需求的覆盖率和整体测试效率。在实现技术上,本系统前端使用Angular2框架,后端平台部分使用Spring Boot框架经典的MVC架构。热点数据用Redis缓存在内存中提高响应速度,使用No Sql数据库的代表Mongo DB进行数据持久化,有利于提高系统数据的处理速度和灵活性。特征学习模块使用Python脚本构建,利于和存储知识图谱实体关系数据的Neo4j图数据库便捷交互。此外,系统使用Nginx负载均衡,ii使用Docker容器化技术对所有模块进行了独立部署,保证系统各部分的健壮性和可移植性。系统进行了功能测试和性能测试并顺利通过,证明系统满足使用需求。同时通过设计实验的方式比较使用本文技术系统与采用协同过滤技术分配任务的系统在一次众包测试中提交缺陷报告的数量和质量,证明了本文技术有效性。
基于微服务的安卓众包在线验证平台的设计与实现
这是一篇关于安卓应用,众包测试,微服务,远程操控,缺陷验证的论文, 主要内容为为了提升安卓应用质量,诸多平台提供了安卓应用自动化测试服务,并能够生成包含应用缺陷信息的测试报告。受限于当前测试工具和测试脚本质量等问题,测试报告中的缺陷信息可能并不准确。开发者验证此类缺陷往往缺乏足够的人力和设备资源。众包测试能够招募大量众包工人帮助快速完成测试。因此,将缺陷信息转为众包任务并提供在线验证平台,能够提升软件缺陷发现的准确率。本文设计与实现了一个基于微服务的安卓众包在线验证平台。该平台通过在线真机操控和缺陷众包验证两方面来解决人力与设备资源不足问题。众包工人能够远程在设备中进行测试脚本的录制回放,修改并完善测试脚本。缺陷众包验证则让任务请求者通过众包方式验证缺陷,根据众包工人提交的验证结果和结果统计分布提升效率。本平台分为设备微服务模块和众包在线验证模块。设备微服务模块直接与移动设备进行交互。众包在线验证模块则包含Web界面与服务端,与设备微服务模块交互,并保存用户缺陷验证数据到数据库中。平台在设计上利用Spring Cloud微服务框架对平台进行维护管理,解决因设备数量增多使得设备微服务模块出现多个后难以维护的难题。平台采用MiniCap和MiniTouch工具获取设备实时界面图和执行设备触屏模拟操作,通过WebSocket协议和Netty框架保持Web端与设备之间的数据交换,采用Appium框架对测试脚本进行回放,并最终提升缺陷信息的准确性。本文选取50台安卓设备和7个有缺陷安卓应用对平台进行运行效果的初步验证。结果表明平台对Android4.4以上版本设备具有高支持度以及通过众包验证得出的缺陷准确率平均能够达到80%左右,初步验证了平台的可用性。该平台已经在公司上线使用,有效地解决了用户测试设备与人力资源不足问题,加快了缺陷验证速度,帮助用户以更低的成本和更高的效率发现安卓应用中的质量问题。
面向可信众测激励的区块链服务系统设计与实现
这是一篇关于众包测试,激励机制,区块链,智能合约的论文, 主要内容为众包测试是一种以众包方式进行的软件测试活动,由需求方、工人方和平台方三方共同参与并协同合作,凭借用户广泛与反馈快速等特点以实现测试能力与效率方面的提升。在众包测试中,为了吸引更多工人报名参与任务,同时也为了鼓励工人提高测试质量从而更好地完成任务,平台常常会对工人方进行激励。然而,现有众测平台的激励主要存在着两大问题:一是当前平台常见的激励机制往往效果有限,劳动力评估方式不科学或是分配方式不公平,导致无法保障工人方权益;二是奖励分配所依据的数据往往由第三方平台中心化地存储和管理,易受到单点攻击或者出现平台数据欺诈的现象。本文结合反向拍卖模型设计了可信评分在线众测激励机制来实现激励的正向效果,以解决众测激励中有效性不足的问题;采用了与区块链相结合的存储方式来实现数据的真实可靠性与流程的透明公开性,以解决众测激励中可信性不足的问题。本文设计与实现了面向可信众测激励的区块链服务系统,联合需求方、工人方、众测平台方三方作为区块链节点搭建联盟链集群平台。本文通过智能合约将众测流程基本信息实时接入区块链平台作为分配依据,当执行奖励分配时先通过数据溯源从账本中获取依据的数据信息,再由合约脚本自动化根据在线评分激励机制完成积分分配并将结果存入区块链平台中以记录过程,从而实现众包测试的可信众测激励;当执行奖励查询时则直接通过账本数据获取激励结果信息。技术实现层面,本文采用Baa S区块链即服务架构进行开发,数据层构建区块链基础平台采用Hyperledger Fabric框架提供区块链服务,众测激励服务层采用Springboot框架,前端采用Vue框架结合Fabirc Explorer展示。本文在功能、性能与安全性方面对系统进行了测试。系统功能上实现了可信众测激励;性能上并发量、响应时间、吞吐量等指标均满足真实环境下的业务需求;安全性上区块链智能合约检验结果良好,并无漏洞。同时,本文接入众测月度赛的真实案例数据来模拟众测流程,结果同样可证明系统在大量负载下能保持良好性能,并且经检验确实所有工人均依据报告评分获得的奖励分配,激励数据无误且公开透明。本系统实现了众测激励流程的有效性与可信性,进而推动众包测试继续发展。
面向移动应用众测的人机协同引导技术
这是一篇关于自动化测试,众包测试,静态分析,人机协同的论文, 主要内容为随着手机操作系统的发展,Android操作系统在手机市场占据71.93%的份额,基于Android系统开发的应用也逐年猛增。Android应用数量庞大、迭代快速的特点也促进了Android应用测试的发展,其中主流的测试方法有移动应用自动化测试和众包测试。移动应用自动化测试能够以低成本快速高效的对应用进行测试,但由于Android系统碎片化问题严重,使得其测试结果达不到理想要求。众包测试是借助众包工人进行测试,能够使应用在不同机型不同系统版本中进行测试,但由于众包工人专业能力不一,使得其测试结果良莠不齐。在此背景之下,本文提出了面向移动应用众测的人机协同引导技术,通过兼容移动应用自动化测试和众包测试的优点,以自动化测试结果来引导众包工人进行测试,提高其测试能力,以众包测试对自动化测试未覆盖页面进行再测试,提高窗口覆盖率,最终实现以人机协同的方式更高效的对应用进行测试。本系统包括自动化测试数据处理模块、Android静态分析模块、Android引导模块和服务端模块。自动化测试数据处理模块是通过对移动应用自动化测试结果进行解析,提取应用在不同机型上测试的非重复性异常和异常路径信息,作为异常复现的依据。Android静态分析模块是通过使用静态分析工具对移动应用进行静态分析,获得应用所有窗口跳转路径,并通过与自动化测试结果进行比对,找出自动化测试中未覆盖的窗口,作为未覆盖界面引导的依据。Android引导模块是以插件形式嵌入到待测应用中,众包工人在测试过程中通过点击插件按钮来请求服务。服务端模块使用Spring Boot框架进行开发,通过结合My Batis实现了用户登录、任务推荐、路径引导和测试结果上报等功能的开发,使系统具有更高的可拓展性。系统在慕测平台进行了应用测试。通过选取Git Hub中10款开源移动应用,设置4组对照测试,在10台Android设备上进行了20分钟的系统实验。根据对用户提交的结果进行分析,表明该系统在众包工人测试异常的效率以及发现异常的数量等方面都有显著提高。在窗口覆盖率方面,本系统实现了窗口路径全覆盖,有效弥补了自动化测试的不足。
基于知识图谱的众测任务分配技术的设计与实现
这是一篇关于知识图谱,特征学习,众包测试,任务分配的论文, 主要内容为众包测试通过短时间招募大量测试工人对待测软件进行测试,解决了传统测试过程中测试人员组成单一、周期长、成本高的问题。但众包模式下测试人员的非专业和不确定也会导致测试报告质量参差不齐、测试需求覆盖率不达标、重复缺陷报告数量多、效率低的问题。为此,本文设计了“基于知识图谱的众测任务分配技术”,力图通过个性化任务分配充分发挥众包工人在众测中的个体优势和群体智慧,改善上述问题,提高测试报告质量和测试完成效率。技术具体包括三个模块:1)知识图谱数据获取模块:引入“协作式众包测试”概念,构建完整的众测报告提交平台来获取知识图谱所需数据。众包工人在此平台领取三级页面测试任务填写缺陷报告时可以看到他人的相似缺陷报告并在其基础上进行增改,帮助提高报告质量,减少重复报告数目。众包工人也需要执行审核任务,即通过点赞点踩的方式审阅他人缺陷报告,推动最终可交付报告生成。2)知识图谱特征学习模块:系统根据平台中数据构建众包领域内知识图谱,结合众包工人历史执行任务记录作为输入,利用机器学习模型得到众包工人对特定任务的偏好,综合当前测试任务的三级页面覆盖情况,审核任务的缺陷报告点赞点踩数量情况,个性化分配测试任务和审核任务给众包工人。3)知识图谱任务分配模块:将任务分配结果和当前任务执行情况可视化展示给众包工人,帮助提高测试需求的覆盖率和整体测试效率。在实现技术上,本系统前端使用Angular2框架,后端平台部分使用Spring Boot框架经典的MVC架构。热点数据用Redis缓存在内存中提高响应速度,使用No Sql数据库的代表Mongo DB进行数据持久化,有利于提高系统数据的处理速度和灵活性。特征学习模块使用Python脚本构建,利于和存储知识图谱实体关系数据的Neo4j图数据库便捷交互。此外,系统使用Nginx负载均衡,ii使用Docker容器化技术对所有模块进行了独立部署,保证系统各部分的健壮性和可移植性。系统进行了功能测试和性能测试并顺利通过,证明系统满足使用需求。同时通过设计实验的方式比较使用本文技术系统与采用协同过滤技术分配任务的系统在一次众包测试中提交缺陷报告的数量和质量,证明了本文技术有效性。
安卓自动化测试驱动的众包需求生成系统的设计与实现
这是一篇关于安卓移动应用,众包测试,自动化测试,众包需求生成的论文, 主要内容为随着移动互联网的高速发展,移动应用的质量也越来越受到重视。为了解决移动应用快速迭代下的测试难题,自动化测试和众包测试在移动应用测试领域得到了广泛的应用。然而,自动化测试暂时无法对移动应用进行全面的覆盖,众包测试也存在着提取众包需求耗时耗力及众包工人缺乏测试经验等问题,两种测试手段的优势没有得到良好的结合。本文设计并实现了安卓自动化测试驱动的众包需求生成系统。系统对目标应用的自动化测试数据进行处理,提取测试过程中触发的异常信息。基于测试操作序列和屏幕快照,提供复现步骤,引导众包工人在不同设备与环境下验证异常。使用反编译和静态分析技术,提取出源码中条件分支语句涉及的控件类型与自动化测试中未覆盖的窗口,引导众包工人探索新异常。系统从应用窗口层级模型、需求详情、机型设备、运行日志、引导信息等多维度展示了众包服务的概况。经本系统生成的众包需求可以发布到众包测试审核平台投入使用,组织和开展众包测试。系统根据众包工人历史信息,对其进行类Top N形式的众包需求推荐。此外,系统对众包测试的数据进行收集和汇总,实时反馈测试进展,使众包服务成为一个闭环。本系统基于前后端分离的架构进行实现,使用Angular作为前端框架,Spring Boot为后端框架,两端数据格式统一,利用符合RESTful API规范的接口进行通信;结合Mongo DB与阿里云OSS存储服务进行数据持久化处理;系统整体使用Git Lab进行代码托管和版本控制,通过Docker容器技术进行打包,具有良好的可拓展性,降低系统部署与运维方面的开销。系统上线后,本文选取10个安卓开源应用,在15台主流的手机设备上开展了对照实验。实验结果表明,众包工人参考本系统生成的众包需求进行测试,可比对照组多触发约30%的异常,整体覆盖率提高15%左右,系统提高了安卓移动应用众包测试的效率与质量。在此基础上,系统为生成众包需求至验收众测结果提供了一站式的服务,提高了众包任务发起者的工作效率。问卷调查的结果显示,80%以上的众包任务发起者对本系统表示了肯定的态度。
安卓自动化测试驱动的众包需求生成系统的设计与实现
这是一篇关于安卓移动应用,众包测试,自动化测试,众包需求生成的论文, 主要内容为随着移动互联网的高速发展,移动应用的质量也越来越受到重视。为了解决移动应用快速迭代下的测试难题,自动化测试和众包测试在移动应用测试领域得到了广泛的应用。然而,自动化测试暂时无法对移动应用进行全面的覆盖,众包测试也存在着提取众包需求耗时耗力及众包工人缺乏测试经验等问题,两种测试手段的优势没有得到良好的结合。本文设计并实现了安卓自动化测试驱动的众包需求生成系统。系统对目标应用的自动化测试数据进行处理,提取测试过程中触发的异常信息。基于测试操作序列和屏幕快照,提供复现步骤,引导众包工人在不同设备与环境下验证异常。使用反编译和静态分析技术,提取出源码中条件分支语句涉及的控件类型与自动化测试中未覆盖的窗口,引导众包工人探索新异常。系统从应用窗口层级模型、需求详情、机型设备、运行日志、引导信息等多维度展示了众包服务的概况。经本系统生成的众包需求可以发布到众包测试审核平台投入使用,组织和开展众包测试。系统根据众包工人历史信息,对其进行类Top N形式的众包需求推荐。此外,系统对众包测试的数据进行收集和汇总,实时反馈测试进展,使众包服务成为一个闭环。本系统基于前后端分离的架构进行实现,使用Angular作为前端框架,Spring Boot为后端框架,两端数据格式统一,利用符合RESTful API规范的接口进行通信;结合Mongo DB与阿里云OSS存储服务进行数据持久化处理;系统整体使用Git Lab进行代码托管和版本控制,通过Docker容器技术进行打包,具有良好的可拓展性,降低系统部署与运维方面的开销。系统上线后,本文选取10个安卓开源应用,在15台主流的手机设备上开展了对照实验。实验结果表明,众包工人参考本系统生成的众包需求进行测试,可比对照组多触发约30%的异常,整体覆盖率提高15%左右,系统提高了安卓移动应用众包测试的效率与质量。在此基础上,系统为生成众包需求至验收众测结果提供了一站式的服务,提高了众包任务发起者的工作效率。问卷调查的结果显示,80%以上的众包任务发起者对本系统表示了肯定的态度。
基于区块链的众测资产确权系统设计与实现
这是一篇关于众包测试,区块链,资产确权的论文, 主要内容为数据确权是数据交易中面临的挑战之一。传统的数据确权采用提交权属证明和专家评审方式,缺乏技术的可信性并且存在数据篡改等问题。众包测试是软件测试领域的一种新兴测试方法,其流程涉及众测参与方之间的数据交易。众测流程中众测工人提交的测试报告作为核心的众测数据资产,是众测数据交易的基础。然而,与传统的数据交易相似,众测交易流程缺乏可靠技术作为支撑进行数据确权,很容易产生数据产权纠纷并且影响众测流程。本文依托慕测众包测试平台,针对当前众包资产确权中存在问题,设计和实现一个基于区块链技术的众测资产确权系统。本系统通过将众包测试流程中的数据存储到区块链中,利用区块链的数据存储、分布式共识算法、智能合约等技术实现了多个参与方在数据层面的相互信任,保证了众测数据的不可篡改,为众测资产确权提供了可靠的数据支撑。确权平台将为用户提供众测任务的确权报告,报告中明确了最终交付报告的缺陷报告对应的众测工人,保障了众测工人资产所有权。系统总体上采用经典的分层架构模型进行开发构建,前端层采用Vue框架开发,业务层基于Spring Boot框架开发,数据层使用Hyperledger Farbic区块链智能合约方案构建基础的区块链存储服务。此外,数据层还采用缓存数据库Couch DB配合提升区块链效率。系统测试和分析结果表明众测资产确权系统能够实现众测数据的安全存储、实时追溯和资产确权。在系统功能方面,系统实现了区块链数据存储查询、数据验证和资产确权功能;在系统性能方面,系统吞吐量达到300tps左右,可以支持生产环境中的业务需求;在系统安全方面,系统区块链智能合约经过静态分析,不存在常见安全漏洞和隐患。任务请求者、众测平台和众测工人可以通过系统查看众包测试进展、进行众测数据验证和查看资产确权报告。系统保证了众测数据资产的正确性、公开性和透明性,有利于众包测试进一步发展。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头网 ，原文地址：https://m.bishedaima.com/lunwen/46366.html
