基于好奇心驱动强化学习的自动 Web 测试
软件工程
2021-03-11 v1
摘要
Web 测试长期以来被公认为一项极其困难的任务。即便如今，Web 测试仍严重依赖人工，而自动化 Web 测试远未达到人类水平性能。Web 测试中的关键挑战包括动态内容更新以及隐藏在复杂用户交互和特定输入值下的深层缺陷，这些缺陷只能由巨大搜索空间中某些动作序列触发。本文提出 WebExplor，一种自动端到端 Web 测试框架，以实现对 Web 应用的自适应探索。WebExplor 采用好奇心驱动强化学习生成满足时序逻辑关系的高质量动作序列（测试用例）。此外，WebExplor 在在线测试过程中增量构建自动机，为进一步提高测试效率提供高层指导。我们在六个真实项目、一个商用 SaaS Web 应用上对所提出的 WebExplor 进行了全面评估，并对全球前 50 名 Web 应用开展了实地研究。结果表明，在大多数情况下 WebExplor 比现有最先进的 Web 测试技术能实现显著更高的缺陷检测率、代码覆盖率和效率。WebExplor 还在该商用 Web 应用中检测到 12 个先前未知的缺陷，已被开发人员确认并修复。此外，我们的实地研究进一步发现了 3,466 个异常与错误。
引用
@article{arxiv.2103.06018,
title = {Automatic Web Testing using Curiosity-Driven Reinforcement Learning},
author = {Yan Zheng and Yi Liu and Xiaofei Xie and Yepang Liu and Lei Ma and Jianye Hao and Yang Liu},
journal= {arXiv preprint arXiv:2103.06018},
year = {2021}
}