[发明专利]一种真实用户智能感知系统中的测试用例自动生成方法

说明书

本发明公开了一种真实用户智能感知系统中的测试用例自动生成方法，包括：收集多个时间段内，多名用户的历史操作日志数据；搭建生成器神经网络和判别器神经网络；将操作类型标签以及随机噪声输入到生成器神经网络，得到测试用例的特征数据；由判别器神经网络使用注意力机制对两种用例的用例特征进行分析，计算生成器神经网络生成的测试用例的真实性；计算判别器神经网络以及生成器神经网络的损失，使用反向传播更新模型参数，使两者进行极大极小博弈；使用生成器神经网络批量生成测试用例，保留信息增益大于阈值的测试用例。本发明能够自动生成多种性质的测试用例，并自动保留信息增益较高的测试用例。

技术领域

本发明属于智能App测试技术领域，具体涉及一种真实用户智能感知系统中的测试用例自动生成方法。

背景技术

证券类APP是经纪业务的端口，它承载了证券交易、产品销售、投顾咨询、投资者教育等等功能，换言之，功能对应着收入，券商应用的第一思维是把这些业务搬到互联网上去。因此券商APP形成了一定的门槛，这种门槛和普通金融类APP拉开明显的差异，使用户可以很快被吸引和转化，同时转化后又对用户产生长期的应用价值，持续保持应用黏性。因此，除了在本身的金融产品设计上提供较好的策略，要精准面向核心用户外，在APP的功能设计，清晰的产品表达上，都是在快速解决用户对安全性、收益的疑问。在易用性方面要使用户无障碍和学习成本，减少转化损耗。

在长期使用的过程中，对用户所关注的数据和再次选择提供帮助，使用户对该产品形成依赖，只要有投资需求，便对该产品产生倾向性。因此证券类APP功能的正确性、稳定性、数据的准确性相对其它行业高得多，产品如果出现质量问题，会直接影响企业品牌及信誉。如在证券类APP上买卖股票，若发现资产金额数据不对，这时会对产品产生不信任。所以在产品上线之前需要对产品进行全面的测试。

目前系统中生成测试方案的工作一直维持在手工生成的方式，这个过程往往会耗费比较多的工作时间，并且生成软件测试方案是一个关键节点上的工作，它的延迟会导致整个后续的工作的相应延迟，导致整个测试工作延期。传统的软件测试方案的编写是依靠测试人员的测试经验编写，覆盖面窄，灵活性不够。

公开号为CN112104525A的发明中公开了一种基于序列生成对抗网络的DNP3协议模糊测试方法，包括步骤：一、构建DNP3协议样本数据库；二、DNP3协议样本数据预处理；三、预处理后的DNP3协议样本数据变异；四、生成初级测试用例；五、测试用例相似度对比去冗余；六、种子测试用例变异；七、DNP3协议模糊测试；八、漏洞验证；九、异常测试用例调试及监控。该发明利用序列生成对抗网络生成高通过率的测试用例；通过以用例相似度为指标的筛选算法，减少测试用例冗余；引入随机变异策略进行测试用例变异，提高测试用例多样性和漏洞发现概率；通过分析漏洞出现时程序的栈帧信息，找到并记录造成漏洞的原因，从而降低工控系统被攻击的概率、提高工控系统安全性。然而该发明并不涉及测试用例的多样性和真实性方面的改善。

发明内容

解决的技术问题：本发明提出一种真实用户智能感知系统中的测试用例自动生成方法，能够自动生成多种性质的测试用例，并自动保留信息增益较高的测试用例；同时，为防止生成对抗网络生成无关的测试用例，在训练过程中引入注意力机制，提升了生成的测试用例的有效性。

技术方案：

一种真实用户智能感知系统中的测试用例自动生成方法，所述测试用例自动生成方法包括以下步骤：

S1，收集多个时间段内，多名用户的历史操作日志数据，日志数据包括日志事件id、操作类型、操作平台、操作模块、操作时间和操作网络；

S2，对原始日志数据进行预处理，得到相应的真实用例，构成训练数据集；

S3，搭建生成器神经网络和判别器神经网络；