-
公开(公告)号：CN106227667B
公开(公告)日：2019-03-19
申请号：CN201610607871.9
申请日：2016-07-28
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明涉及基于扩展的IFML模型的移动应用的测试用例生成方法，先建立模型，即针对待测试的移动应用绘制出其对应的IFML模型；建立模型所使用到的IFML，是在原IFML标准基础上，加入了针对移动应用建模的扩展内容，包括针对视图容器增添了扩展子类型工具栏ToolBar和屏幕容器，针对视图组件增添了扩展子类型移动控件，针对事件Event增添了扩展子类型移动端系统事件，移动端事件和移动端行为活动事件，针对行为活动增添了扩展子类型移动端行为活动。按照选定的测试覆盖准则生成符合要求的测试用例。
-
公开(公告)号：CN119537233A
公开(公告)日：2025-02-28
申请号：CN202411650905.3
申请日：2024-11-19
Applicant: 南京大学
IPC: G06F11/3668 , G06N5/04 , G06N7/02
Abstract: 本发明提出了一种结合符号执行的人工智能制导生成程序测试方法，通过结合符号执行的严格推理能力和人工智能模型的模糊推理能力对人工智能制导自动化生成的代码进行有效测试，结合利用人工智能技术对符号执行所收集的程序路径约束进行增强求解，生成更多高质量的、高覆盖的测试用例，从而提高测试覆盖率和测试结果的正确性，发现传统测试框架难以捕捉的程序错误，提高测试覆盖率和检测代码错误的能力，且无论待测程序是否有基准实现与预定义输出，本测试方法均可以成功实施，可以帮助开发人员更好地利用人工智能制导生成的程序，提高程序的可靠性。
-
公开(公告)号：CN106648617B
公开(公告)日：2019-10-15
申请号：CN201611023955.4
申请日：2016-11-14
Applicant: 南京大学
IPC: G06F8/20
Abstract: 一种基于扩展的UML2序列图的中断驱动系统建模方法，步骤如下：步骤1：扩展UML2序列图，新增中断交互操作类型用于描述中断的发生和响应处理；步骤2：将中断驱动系统的执行流程划分为一个中断外交互和若干个中断内交互；步骤3：根据UML2序列图规范对中断外的流程进行建模；步骤4：根据步骤1中定义的中断组合片段对中断的发生和响应处理进行建模；步骤5：对中断驱动系统的时间约束进行建模；本发明扩展了UML2序列图，使之能够描述中断驱动系统，为中断驱动系统设计人员提供了直观形象、易于理解的建模方法；有利于中断驱动系统的建模设计、以及相关的模型验证、模型转换以及模型到代码的生成。
-
公开(公告)号：CN106227667A
公开(公告)日：2016-12-14
申请号：CN201610607871.9
申请日：2016-07-28
Applicant: 南京大学
IPC: G06F11/36
CPC classification number: G06F11/3676 , G06F11/3684
Abstract: 本发明涉及基于扩展的IFML模型的移动应用的测试用例生成方法，先建立模型，即针对待测试的移动应用绘制出其对应的IFML模型；建立模型所使用到的IFML，是在原IFML标准基础上，加入了针对移动应用建模的扩展内容，包括针对视图容器增添了扩展子类型工具栏ToolBar和屏幕容器，针对视图组件增添了扩展子类型移动控件，针对事件Event增添了扩展子类型移动端系统事件，移动端事件和移动端行为活动事件，针对行为活动增添了扩展子类型移动端行为活动。按照选定的测试覆盖准则生成符合要求的测试用例。
-
Patent Agency Ranking
公开(公告)号：CN119166535A
公开(公告)日：2024-12-20
申请号：CN202411501058.4
申请日：2024-10-25
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于三方库选择的静态分析加速方法，包括以下步骤：（1）输入待测试程序及对应分析任务；其中测试程序包括应用程序和其使用的第三方库；（2）根据静态分析任务，获取应用程序范围内的兴趣点；（3）以应用程序为分析范围进行库指向分析，获取兴趣点关联的库指针；（4）为所有方法生成内外部指向信息摘要；（5）分析与兴趣点相关的指针信息，获得指针优先级列表；（6）基于优先级列表选择部分第三方库；本发明使用得到的部分三方库列表用于现有的静态分析工具，获得分析速度提升。
-
公开(公告)号：CN119938507A
公开(公告)日：2025-05-06
申请号：CN202411484571.7
申请日：2024-10-23
Applicant: 南京大学
IPC: G06F11/3668 , G06N3/042 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的安卓应用自动化持续测试方法，包括以下步骤：（1）在目标安卓设备上初始化基于APK文件的目标应用程序；（2）对目标应用程序的历史探索数据和测试主路径进行分析后预训练DQN模型；（3）利用基于图嵌入和自然语言语义理解的GUI编码技术实时获取应用页面状态、推测可执行测试动作，编码为相应的状态编码和一系列动作编码；（4）对当前步骤的测试行为进行奖励分析，在线实时训练DQN模型，并使用DQN模型给当前页面状态下的所有测试动作打分，所得结果即Q值；（5）根据所给出的Q值选择一个测试动作进行执行，并在执行后，检查是否跳转到目标应用之外以及是否达到预设测试时间；（6）重复步骤（3）‑（5）直至测试结束；本发明对历史测试知识的重复利用，实现更高的测试有效性和效率。
-
公开(公告)号：CN106648617A
公开(公告)日：2017-05-10
申请号：CN201611023955.4
申请日：2016-11-14
Applicant: 南京大学
IPC: G06F9/44
Abstract: 一种基于扩展的UML2序列图的中断驱动系统建模方法，步骤如下：步骤1：扩展UML2序列图，新增中断交互操作类型用于描述中断的发生和响应处理；步骤2：将中断驱动系统的执行流程划分为一个中断外交互和若干个中断内交互；步骤3：根据UML2序列图规范对中断外的流程进行建模；步骤4：根据步骤1中定义的中断组合片段对中断的发生和响应处理进行建模；步骤5：对中断驱动系统的时间约束进行建模；本发明扩展了UML2序列图，使之能够描述中断驱动系统，为中断驱动系统设计人员提供了直观形象、易于理解的建模方法；有利于中断驱动系统的建模设计、以及相关的模型验证、模型转换以及模型到代码的生成。
-
公开(公告)号：CN110209593B
公开(公告)日：2021-05-28
申请号：CN201910515637.7
申请日：2019-06-14
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明提出了一种面向偏好设置的安卓应用测试方法。首先对待测应用的可执行文件进行静态程序分析，以得到应用中定义的所有偏好设置与其属性。随后在已有测试用例上，通过动态程序分析的方式获得各测试用例中相关联的偏好设置。对于每条测试用例，可测试所有相关偏好设置与其可能输入的组合，来实现面向偏好设置的测试。最后为了降低这一测试的成本，本发明提供了一种目标导向的执行模式，它将测试用例的代码分割为基本块，将基本块与其相关的偏好设置的输入组合作为测试目标。依照贪心算法，本发明选取覆盖最多的测试目标的测试用例与偏好设置的组合进行测试，从而减少各测试用例下重复的偏好设置输入组合的测试，大大降低测试成本。
-
公开(公告)号：CN110209593A
公开(公告)日：2019-09-06
申请号：CN201910515637.7
申请日：2019-06-14
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明提出了一种面向偏好设置的安卓应用测试方法。首先对待测应用的可执行文件进行静态程序分析，以得到应用中定义的所有偏好设置与其属性。随后在已有测试用例上，通过动态程序分析的方式获得各测试用例中相关联的偏好设置。对于每条测试用例，可测试所有相关偏好设置与其可能输入的组合，来实现面向偏好设置的测试。最后为了降低这一测试的成本，本发明提供了一种目标导向的执行模式，它将测试用例的代码分割为基本块，将基本块与与其相关的偏好设置的输入组合作为测试目标。依照贪心算法，本发明选取覆盖最多的测试目标的测试用例与偏好设置的组合进行测试，从而减少各测试用例下重复的偏好设置输入组合的测试，大大降低测试成本。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.013 seconds)
