基于深度优先搜索的模糊测试用例生成方法

模糊测试是挖掘网络协议漏洞的重要方法之一.现有的模糊测试方法存在覆盖路径不完全、效率低下等问题.为了解决这些问题,文中提出了基于深度优先搜索的模糊测试用例生成方法,该方法将状态机转换成有向无回路图,以获得状态迁移路径,并通过提高测试用例在发送报文中的占比来提升模糊测试效率.该方法主要包括合并状态迁移、消除循环路径、搜索状态迁移路径、标记重复状态迁移和基于测试用例引导的模糊测试5个阶段.在合并状态迁移阶段,将首尾状态相同的状态迁移进行合并.在消除循环路径阶段,根据深度优先搜索判断图中的循环,并通过删除边将状态机转换成有向无回路图.在搜索状态迁移路径阶段,搜索有向无回路图从初始状态到终止状态的全路径,并对原状态机图使用Floyd算法补充被去除的边构造测试路径,以确保充分测试状态机中的每一个状态迁移.在标记重复状态迁移阶段,对重复状态迁移进行标记,避免对重复的状态迁移进行反复测试,以缩减测试的冗余.在基于测试用例引导的模糊测试阶段,生成针对状态迁移的测试用例,并将测试用例均匀分发到重复的状态迁移上,其中的部分测试用例能够起到引导状态迁移的作用,对被测目标进行模糊测试.实验结果表明,所提方法能够取得更高的有效测试用例比例.     

基于组合输入数据情况的测试用例生成算法

在软件测试中,测试用例的设计是最关键、耗时最多的环节。单个值情况下的测试用例相对比较简单。当输入数据为组合数据时,为了获取更加全面的测试用例以提高软件测试的准确性,提出一种将判定表设计及人工代码、计算机测试相结合的测试用例设计机制。通过两种算法得出最有效测试用例,该机制能生成比基于状态的完全路径覆盖准则及其搜索算法更优的测试用例集,能更好地覆盖各种组合条件情况,也更适合实际测试时需要连续对软件进行测试的客观情况。实验证明,该方法确实能够提高测试用例设计的全面性及有效性。     

基于界面状态因果图的测试用例生成

在可视化软件测试系统中,测试用例来源于引起对象状态转移的前置条件和触发事件,模拟界面控件状态由消息驱动产生转移变迁的执行特点形成界面状态因果图,提出了基于终态的测试树及其生成算法,讨论了利用这种测试树及相应覆盖准则生成测试用例的方法,最后给出了一个应用实例。     

基于分类树的随机测试用例生成

随机测试(RT)已被用于在基于模型的测试中自动生成满足一定模型覆盖准则的测试用例集合.然而,完全随机的测试用例产生方法可能会导致大量冗余的测试用例.因此,在研究基于UML(Unified Modeling Language)活动图产生测试用例的基础上,提出了一种基于分类树的随机测试用例产生方法(CT-RT),运用分类树分析已运行测试用例的输入域,从而指导产生新的测试用例,并通过实验案例说明了对于UML活动图中的简单路径覆盖.该方法较之完全随机的方法大大减少了冗余测试用例的数量.     

基于状态图的测试路径自动生成

提出一种基于状态图的测试路径自动生成算法,该算法从状态图的初始状态到终止状态进行遍历,可以得到一组路径,由该组路径生成的测试用例集可满足状态图的转移覆盖测试准则。根据循环复杂度,对路径集的总长度进行优化,从而减少测试用例数量。实验结果表明,该算法有效可行,在实际应用中能够取得良好的效果。     

基于UML协作图的测试用例生成方法与实现

根据组件软件的特征,提出一种基于UML协作图直接产生测试用例的方法.给出了一系列覆盖准则,并针对协作图中条件、并发和循环消息流提出相应的处理方法.采用深度优先的算法遍历所有测试场景,每个测试场景相应于一个测试用例,并设计和实现了测试用例自动生成工具系统UMLTCG.     

基于UML活动图的测试用例生成方法研究

基于模型的测试用例生成方法已经被软件行业所接受。这种方法的优点在于可以及早地发现缺陷,减少软件开发的时间等等。现在,研究者已经考虑从UML图中获得测试用例。文中介绍了一种从UML2.0活动图中产生测试用例的方法。提出了活动路径覆盖准则,重点分析并发活动的顺序及排列,引入深度优先与广度优先结合的生成算法,避免了测试用例数量爆炸,提高了自动化生成测试用例的可行性,从而为UML活动动图的自动化测试提供了系统的、有效的、可行的方法。     

基于分支界限搜索的EFSM协议测试序列生成算法

针对EFSM中状态迁移不确定导致的协议一致性测试序列生成困难的问题, 提出了一种协议一致性测试序列生成算法。该算法基于互异代表系理论为每个协议状态变迁赋权值, 再基于分支界限法搜索生成的协议测试序列, 将协议一致性测试序列的生成转换为寻找最小权值状态变迁路径的问题。该算法克服了无赋权要求的宽度优先搜索的缺陷, 降低了测试序列的搜索与生成时间复杂度, 提高了测试序列生成的效率。     

基于UML状态图的面向对象软件测试用例生成

本文提出了一种基于UML状态图的测试用例生成方法，生成较少但有效的测试用例，便于实现自动化测试。测试用例从状态图中的转换（转换路径）中产生，一个用例代表了一条转换路径。对深度优先算法进行改进后，给出了从UML模型视图的状态图中获得测试用例的算法，该算法从状态图中的初始状态到终止状态进行遍历，可以得到所有的转换路径，根据循环复杂度来得到状态图的基本路径的最大数量，即测试用例的最小数量。     

基于状态转移图的箭载软件时序控制测试用例生成方法

为提升箭载嵌入式软件测试的效率和质量,本文专门针对箭载软件时序控制这一测试需求,提出了一种基于状态转移图的测试用例自动生成算法设计方法。具体分析步骤为首先分析时序控制特性,其次选取状态转移图来表征,自定义所需图元属性以及图元关系、触发条件全面性与一致性的约束条件从而保证模型合理性；再次采用基路径覆盖、转移对覆盖、条件元覆盖三种覆盖准则相结合方式实现测试用例的自动生成；最后以某箭上软件全飞行周期时序控制为基础,多次结果表明该方法生成的软件测试用例可完全覆盖时序控制功能和性能需求,验证了方法的有效性和稳定性,可为箭载软件自动化测试工程化实践提供一定的借鉴。     

基于逐幸存路径处理的测试用例集约简技术

针对基于智能算法的测试用例集约简技术存在的容易陷入局部收敛、过早熟等问题,提出一种基于逐幸存路径处理的测试用例集约简算法,该算法运用逐幸存路径处理算法的顺序网格搜索思路,将测试用例集进行二进制编码,使其构成顺序网格搜索的状态空间,在状态转移阶段将代码覆盖率和测试用例有效执行时间作为分支度量,进而选择分支重量最大的路径作为幸存路径,从而剔除冗余状态,完成测试用例集约简。实验结果表明,在相同的实验环境下,与其他算法相比,该算法在具有较高冗余率的同时也保证了较高的检错率,在一定程度上降低软件测试的复杂度,提高软件测试的效率。     

一种基于UML动态视图的测试场景生成方法

本文提出一种基于UML动态视图的测试场景生成方法。通过将状态图中对象的状态信息加入顺序图,构建一个基于UML动态视图的测试模型,将其转化为扩展的十字链表结构的有向图;针对测试模型中存在的普通、条件、循环消息类型提出相应的处理方法,采用深度优先算法遍历生成测试场景。在将复杂的UML图转化为测试模型的过程中,应用该方法可以提高所生成场景路径的完整性,同时降低生成场景的冗余度。     

基于改进鲸鱼优化的覆盖表生成算法

为提高组合测试中覆盖表生成效率,基于覆盖表生成的离散性,提出一种改进的鲸鱼优化算法。该算法首先利用编码转换的思想,将鲸鱼个体连续运动方式编码为适用于覆盖表的离散方式;其次,在算法的开发与搜索阶段加入迭代演化算子,以提高算法的全局搜索能力;最后,针对覆盖表生成中算法本身的局限问题,使用平均海明距离跳出局部最优,并通过约束求解器和惩罚函数法增加约束处理机制,以提高算法实际应用能力。实验结果表明,与其它已有算法相比,所提出的算法在覆盖表生成规模上具有更好的优势。     

改进动态规划算法的移动机器人路径规划

针对静态栅格环境下的移动机器人全局路径规划问题,通过分析移动机器人到达目标的搜索方向和路径变化的动态特征,分别建立下降路径搜索动态规划模型和上升路径搜索动态规划模型,并依据整列元素路径值变化特点设计了两种模型交互使用的改进动态规划算法。仿真实验结果表明算法具有较好的路径规划效率,可以同时完成多个目标路径规划,且覆盖率越大的环境求解越快速。实验也表明改进动态规划算法同蚁群算法对比能够更快速有效地给出移动机器人较优通行路径。     

基于符号化执行的Fuzzing测试方法

设计并实现一种基于符号化执行的Fuzzing测试方法。通过代码插装,在程序执行过程中收集路径约束条件,依据一定的路径遍历算法生成新路径约束条件并进行求解,构造可以引导程序向新路径执行的输入测试数据。提出一种改进的污点分析机制,对路径约束条件进行简化,提高了代码覆盖率和漏洞检测的效率。     

结合SVM与XGBoost的链式多路径覆盖测试用例生成

机器学习方法可很好地与软件测试相结合, 增强测试效果, 但少有学者将其运用于测试数据生成方面. 为进一步提高测试数据生成效率, 提出一种结合SVM (support vector machine)和XGBoost (extreme gradient boosting)的链式模型, 并基于此模型借助遗传算法实现多路径测试数据生成. 首先, 利用一定样本训练若干个用于预测路径节点状态的子模型(SVM和XGBoost), 通过子模型的预测精度值筛选最优子模型, 并根据路径节点顺序将其依次链接, 形成一个链式模型C-SVMXGBoost (chained SVM and XGBoost). 在利用遗传算法生成测试用例时, 使用训练好的链式模型代替插桩法获取测试数据覆盖路径(预测路径), 寻找预测路径与目标路径相似的路径集, 对存在相似路径集的预测路径进行插桩验证, 获取精确路径, 计算适应度值. 在交叉变异过程中引入样本集中路径层级深度较大的优秀测试用例进行重用, 生成覆盖目标路径的测试数据. 最后, 保留进化生成中产生的适应度较高的个体, 更新链式模型C-SVMXGBoost, 进一步提高测试效率. 实验表明, C-SVMXGBoost较其他各对比链式模型更适合解决路径预测问题, 可提高测试效率. 并且通过与已有经典方法相比, 所提方法在覆盖率上提高可达15%, 平均进化代数也有所降低, 在较大规模程序上其降低百分比可达65%.     

基于Petri网的软件测试用例的产生及分析

软件测试不仅要考虑到功能的正确性、覆盖的完整性,也应该考虑到测试用例的可行性。一种常用的产生测试用例的方法是路径覆盖,它是通过分析控制流来产生的,但是这样很可能产生不可行路径。论文运用Petri网来描述程序,并且按照一定的数学规则将此Petri网进行分解,得到独立的段组(Independent Segment Group,ISG)并产生测试用例,最后设计一个算法找到满足覆盖准则的最少测试用例。     

BA*: an online complete coverage algorithm for cleaning robots

This paper presents a novel approach to solve the online complete coverage task of autonomous cleaning robots in unknown workspaces based on the boustrophedon motions and the A* search algorithm (BA*). In this approach, the robot performs a single boustrophedon motion to cover an unvisited region until it reaches a critical point. To continue covering the next unvisited region, the robot wisely detects backtracking points based on its accumulated knowledge, determines the best backtracking point as the starting point of the next boustrophedon motion, and applies an intelligent backtracking mechanism based on the proposed A* search with smoothed path on tiling so as to reach the starting point with the shortest collision-free path. The robot achieves complete coverage when no backtracking point is detected. Computer simulations and experiments in real workspaces prove that our proposed BA* is efficient for the complete coverage task of cleaning robots.     

基于变异粒子群算法的字符串型测试数据生成

基于搜索的算法在以路径覆盖为目标的测试数据生成中应用广泛。然而对于字符串型测试数据的生成,现有方法效率不高。为了高效地生成字符串型测试数据,提出了一种基于变异粒子群算法的字符串型测试数据自动生成方法。在随机生成初始种群后,采用粒子群算法使种群在趋近最优个体的过程中实现进化,并以一定的概率对种群中的个体进行变异操作,以避免进化过程陷入局部最优。为了有效地指导种群进化过程,对经典适应度函数中分支距离的计算方法进行改进,使其适用于含有字符串型参数的程序。实验结果表明,该方法具有较高的成功率和稳定性,且能明显提升测试数据生成效率。