-
公开(公告)号：CN112579431A
公开(公告)日：2021-03-30
申请号：CN201910951890.7
申请日：2019-09-30
Applicant: 南京大学
Abstract: 本发明提出了一种基于图像识别的跨平台脚本录制与回放方法，用于在移动应用自动化测试领域来降低自动化测试脚本编写门槛、避免同一应用在不同设备、不同平台下的脚本重复编写和维护开销，该发明的主要创新在于(1)对传统脚本录制方法的改良，提供投放了远程真机的Web端供用户实时操作和录制。(2)结合图像识别和布局匹配技术以实现已录制脚本在多台设备，不同平台下的运行回放，简化自动化脚本生成过程的同时大幅度提升测试脚本的跨平台能力，提高了自动化测试有效性和通用性。
-
公开(公告)号：CN102508770B
公开(公告)日：2015-02-11
申请号：CN201110306943.3
申请日：2011-10-10
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种基于谓词自适应随机测试的测试用例集扩增方法，程序中的分支条件表达式称为分支，由分支条件回溯至输入域的表达式称为谓词，用于回归测试，结合软件修改分析的白盒测试技术与自适应随机测试ART的黑盒测试技术，首先进行谓词提取，然后通过谓词距离引导ART进行测试用例集扩增。本发明方法结合软件修改分析的白盒测试技术与ART的黑盒测试技术，从而达到较低成本的测试用例集的有效扩增。
-
公开(公告)号：CN102253889B
公开(公告)日：2014-02-26
申请号：CN201110225316.7
申请日：2011-08-07
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种回归测试中基于分布的测试用例优化方法，对于回归测试中的测试用例集，依据执行剖面在剖面空间中的分布对测试用例的执行顺序进行优先级排序，优先级高的测试用例将被优先执行，使得执行顺序临近的测试用例尽可能分散在剖面空间中，以尽早最大化错误检测能力，提高错误检测速率。本发明在不进行任何测试用例约简的前提下，对测试用例的执行顺序进行排序，即测试用例的创建顺序并不作为其执行顺序，而是使用基于分布的测试用例优先级技术对执行顺序进行排序。这样一方面使得测试用例集合的错误检测能力不受影响，另一方面提高了错误检测的速率，使得程序员可以尽早地找到更多的错误，节省了程序员寻找错误的时间成本。
-
公开(公告)号：CN120086126A
公开(公告)日：2025-06-03
申请号：CN202411888636.4
申请日：2024-12-13
Applicant: 南京大学
IPC: G06F11/3668 , G06N3/045 , G06V30/19 , G06V10/28 , G06V10/32 , G06V10/44 , G06F18/2411
Abstract: 一种基于大语言模型场景理解的脚本粒度GUI测试迁移方法，包括LLM‑Agent场景抽取模块、视觉增强模块、脚本预处理模块和自动化探索模块。视觉增强模块包括提取图片文字信息、识别组件坐标，以降低大模型对图片的理解难度。脚本预处理模块则充分分析脚本的抽象语法结构，并提取场景理解所需的基本信息，如操作目标、操作类别等。LLM‑Agent场景抽取模块则依据预处理后的脚本和截图抽取功能场景，形成对场景的整体理解后自动化探索待测应用生成测试脚本。而自动化探索模块则负责具体设备的操作，以及支持整个框架的自动化运行，包括错误纠偏、终止判断等部分。
-
公开(公告)号：CN114780373B
公开(公告)日：2025-05-06
申请号：CN202111471921.2
申请日：2021-11-30
Applicant: 南京大学
IPC: G06F11/3668 , G06V30/19 , G06V30/412
Abstract: 一种基于图像文本融合分析的移动应用众包测试报告排序的方法，其特征是通过自动化地提取众包测试报告的图像和文本特征，根据报告间的相似性度量进行众包测试报告排序为人工审查测试报告负担过大的问题提供新的解决方案。提取完成的图像和文本特征将重新组合缺陷类特征和上下文类特征分别计算相似度。缺陷相似度由问题控件图片相似度和缺陷描述相似度组成，用于表示报告中显示的直接与缺陷相关的信息。上下文相似度由复现步骤相似度和上下文控件相似度组成，它表示上下文信息，包括触发缺陷的操作跟踪和缺陷发生时的活动信息。最后将根据测试报告之间的相似度识别重复的报告，并根据报告揭示新的缺陷的能力进行排序。
-
Patent Agency Ranking
公开(公告)号：CN119201727A
公开(公告)日：2024-12-27
申请号：CN202411312873.6
申请日：2024-09-15
Applicant: 南京大学
Abstract: 本发明公开了一种基于开发者经验的深度学习框架变异测试方法，该方法采用基于开发人员专业知识的变异算子和约束条件生成模型，模拟开发过程中开发人员的常见操作，并在深度学习模型生命周期的多个阶段(如模型训练和推理)中检测更加多样化的缺陷。该方法包括两个部分：第一，模型变异，用于生成变异体；第二，缺陷检测，用于执行缺陷检测。其中，模型变异包括以下步骤：首先，本发明采用两个深度Q网络来选择变异算子和种子模型；然后在准则约束下对种子模型进行变异，并根据当前目标评估计算的奖励来更新Q网络；然后，它过滤掉违反任何约束的变异体，并将合法的变异体添加到生成的模型池中。这个过程迭代进行，直到变异完成。缺陷检测包括以下步骤：首先，本发明检测变异体中暴露的缺陷并记录缺陷报告。接着，基于奖励，本发明选择部分模型并进一步执行它们，以检测资源调度、执行崩溃、模型性能和输出精度中的缺陷。通过本发明的方法，可以过滤在缺陷检测中无意义的模型，并在模型的执行阶段检测多样化的缺陷，提高缺陷检测的有效性，具有重要的应用价值和推广前景。
-
公开(公告)号：CN119129682A
公开(公告)日：2024-12-13
申请号：CN202411310964.6
申请日：2024-09-19
Applicant: 深圳市金溢科技股份有限公司 , 南京大学
IPC: G06N3/08
Abstract: 本发明实施例公开了深度学习框架测试方法、装置、计算机设备及存储介质。所述方法包括：创建种子张量，并进行突变，以得到测试输入张量；创建种子模型，并进行突变，以得到测试输入模型；在不同浏览器下，根据所述测试输入张量以及所述测试输入模型对待测试深度学习框架进行差分测试，以得到测试结果；根据所述测试结果进行种子张量以及种子模型所对应的突变规则调整。通过实施本发明实施例的方法可实现专注于边端环境中的JavaScript深度学习框架，更全面地检测与推理优化机制相关的框架缺陷，以解决现有深度学习框架测试方法在JavaScript环境下存在的技术瓶颈。
-
公开(公告)号：CN118689772A
公开(公告)日：2024-09-24
申请号：CN202410839296.X
申请日：2024-06-26
Applicant: 深圳市金溢科技股份有限公司 , 南京大学
Abstract: 本发明实施例公开了基于智能交通模型神经元特性的变异测试方法、装置及计算机设备。所述方法包括：设置深度依赖变异算子；根据所述深度依赖变异算子与已训练的智能交通模型进行模型变异，以得到目标变异模型；获取测试用例；利用所述测试用例输入至已训练的智能交通模型以及目标变异模型，并进行输出结果的分析，以得到分析结果；根据所述分析结果优化已训练的智能交通模型。通过实施本发明实施例的方法可实现有效地模拟各种交通情景下可能出现的异常输入，从而更全面地评估模型的鲁棒性和可靠性，不仅提高了测试的针对性和有效性，而且为智能交通系统的安全运行提供了更强的保障。
-
公开(公告)号：CN109840191B
公开(公告)日：2023-12-08
申请号：CN201711200460.9
申请日：2017-11-24
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种基于步骤提示的安卓众包测试反馈方法，其特征是通过众包测试平台Kikbug的驱动程序对测试过程的记录，建立用户测试行为数据库；在测试过程当中，收集当前测试人员的测试步骤信息，和数据库中已记录的、已触发异常的操作信息对比，解决众包测试报告不够专业的问题，以引导测试人员完成更高效的众包测试。(1)建立关于异常的测试行为数据库，通过任务提供者完成所有待测任务，初始化数据库；(2)对比当前测试人员和数据库中的操作序列，引导测试人员触发异常；(3)存储测试过程中出现的新异常；已确认的异常，不再引导测试人员验证该异常；(5)将异常反馈给任务提供者。(4)当某异常复现的次数超过阀值，将之定义为
-
公开(公告)号：CN111459786B
公开(公告)日：2023-08-29
申请号：CN201910051630.4
申请日：2019-01-18
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明提出一种基于变异fuzz的智能合约安全测试方法，该方法以智能合约的源代码作为输入，获取智能合约的二进制接口(Application Binary Interface，ABI)，从ABI中找到函数类型的元素，提取它们的函数声明；在此基础上，进一步开展测试数据生成：若被测函数没有种子，则随机生成测试数据，否则将会有一定几率基于种子变异产生测试数据；接着，使用测试数据执行私有链上的智能合约，进而开展漏洞检测，更新种子，再次回到测试输入产生步骤，如此反复直到达到事先设置测试终止条件(该终止条件可以为测试时间、路径覆盖率等)。通过该方法，测试人员可以在短时间内检查智能合约是否存在安全性问题，并且可以参考输入复现其问题。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.019 seconds)
