論文の概要: Exploring Behaviours of RESTful APIs in an Industrial Setting
- arxiv url: http://arxiv.org/abs/2310.17318v1
- Date: Thu, 26 Oct 2023 11:33:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 20:51:04.097878
- Title: Exploring Behaviours of RESTful APIs in an Industrial Setting
- Title（参考訳）: 産業環境でRESTful APIの振る舞いを探る
- Authors: Stefan Karlsson, Robbert Jongeling, Adnan Causevic, Daniel Sundmark
- Abstract要約: これらのAPIが示す振る舞いの例を生成するために,REST APIに共通する一連の動作特性を提案する。
これらの例は、APIの理解を深めるために(i)、自動テストケースのソースとして(ii)の両方に使用することができます。
提案手法は,システム理解と実践者によるテスト生成の源泉として考えられる例を生成することができる。
- 参考スコア（独自算出の注目度）: 0.43012765978447565
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A common way of exposing functionality in contemporary systems is by
providing a Web-API based on the REST API architectural guidelines. To describe
REST APIs, the industry standard is currently OpenAPI-specifications. Test
generation and fuzzing methods targeting OpenAPI-described REST APIs have been
a very active research area in recent years. An open research challenge is to
aid users in better understanding their API, in addition to finding faults and
to cover all the code. In this paper, we address this challenge by proposing a
set of behavioural properties, common to REST APIs, which are used to generate
examples of behaviours that these APIs exhibit. These examples can be used both
(i) to further the understanding of the API and (ii) as a source of automatic
test cases. Our evaluation shows that our approach can generate examples deemed
relevant for understanding the system and for a source of test generation by
practitioners. In addition, we show that basing test generation on behavioural
properties provides tests that are less dependent on the state of the system,
while at the same time yielding a similar code coverage as state-of-the-art
methods in REST API fuzzing in a given time limit.
- Abstract（参考訳）: 現代のシステムで機能を公開する一般的な方法は、REST APIアーキテクチャガイドラインに基づいたWebAPIを提供することである。
REST APIを説明するため、業界標準は現在、OpenAPI仕様となっている。
OpenAPIで記述されたREST APIをターゲットにしたテスト生成とファジングメソッドは、近年非常に活発な研究領域となっている。
オープンリサーチの課題は、障害の発見とすべてのコードをカバーすることに加えて、apiの理解を深めることである。
本稿では、これらのAPIが示す振る舞いの例を生成するために使用される、REST APIに共通する一連の振る舞いプロパティを提案することで、この問題に対処する。
これらの例は両方とも使用できます
(i)apiの理解をさらに深めるために
(ii)自動テストケースの源泉として。
本評価は,本手法がシステム理解と実践者によるテスト生成に関係していると考えられる事例を生成できることを示す。
さらに、振る舞い特性に基づいたテスト生成は、システムの状態に依存しないテストを提供すると同時に、rest apifuzzingのstate-of-the-artメソッドと同じコードカバレッジを、所定の時間制限で提供することも示しています。
関連論文リスト
- A Multi-Agent Approach for REST API Testing with Semantic Graphs and LLM-Driven Inputs [46.65963514391019]
私たちは、REST APIテストに依存性組み込みのマルチエージェントアプローチを採用する最初のブラックボックスフレームワークであるAutoRestTestを紹介します。
MARL(Multi-Agent Reinforcement Learning)とSPDG(Semantic Property Dependency Graph)とLLM(Large Language Models)を統合した。
このアプローチでは、REST APIテストを、API、依存性、パラメータ、バリューという4つのエージェントが協力して、API探索を最適化する、分離可能な問題として扱います。
論文 参考訳（メタデータ） (2024-11-11T16:20:27Z) - A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
API提案は、現代のソフトウェア開発において重要なタスクである。
大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
論文 参考訳（メタデータ） (2024-09-20T03:12:35Z) - DeepREST: Automated Test Case Generation for REST APIs Exploiting Deep Reinforcement Learning [5.756036843502232]
本稿では、REST APIを自動テストするための新しいブラックボックスアプローチであるDeepRESTを紹介します。
深い強化学習を活用して、暗黙のAPI制約、すなわちAPIドキュメントから隠された制約を明らかにする。
実験により,提案手法は高いテストカバレッジと故障検出を実現する上で極めて有効であることが示唆された。
論文 参考訳（メタデータ） (2024-08-16T08:03:55Z) - FANTAstic SEquences and Where to Find Them: Faithful and Efficient API Call Generation through State-tracked Constrained Decoding and Reranking [57.53742155914176]
APIコール生成は、大規模言語モデルのツール使用能力の基盤となっている。
既存の教師付きおよびコンテキスト内学習アプローチは、高いトレーニングコスト、低いデータ効率、APIドキュメントとユーザの要求に反する生成APIコールに悩まされる。
本稿では,これらの制約に対処するため,FANTASEと呼ばれる出力側最適化手法を提案する。
論文 参考訳（メタデータ） (2024-07-18T23:44:02Z) - KAT: Dependency-aware Automated API Testing with Large Language Models [1.7264233311359707]
KAT(Katalon API Testing)は、APIを検証するためのテストケースを自律的に生成する、AI駆動の新たなアプローチである。
実世界の12のサービスを用いたKATの評価は、検証カバレッジを改善し、文書化されていないステータスコードを検出し、これらのサービスの偽陽性を低減できることを示している。
論文 参考訳（メタデータ） (2024-07-14T14:48:18Z) - WorldAPIs: The World Is Worth How Many APIs? A Thought Experiment [49.00213183302225]
本稿では, wikiHow 命令をエージェントの配置ポリシーに基礎付けることで, 新たな API を創出するフレームワークを提案する。
大規模言語モデル (LLM) の具体化計画における近年の成功に触発されて, GPT-4 のステアリングを目的とした数発のプロンプトを提案する。
論文 参考訳（メタデータ） (2024-07-10T15:52:44Z) - Leveraging Large Language Models to Improve REST API Testing [51.284096009803406]
RESTGPTはAPI仕様を入力として、機械解釈可能なルールを抽出し、仕様内の自然言語記述からサンプルパラメータ値を生成する。
評価の結果、RESTGPTはルール抽出と値生成の両方において既存の技術よりも優れています。
論文 参考訳（メタデータ） (2023-12-01T19:53:23Z) - Adaptive REST API Testing with Reinforcement Learning [54.68542517176757]
現在のテストツールは効率的な探索機構がなく、全ての操作とパラメータを等しく扱う。
現在のツールは、仕様にレスポンススキーマがない場合や、変種を示す場合に苦労している。
我々は、強化学習を取り入れた適応型REST APIテスト手法を提案し、探索中の操作を優先順位付けする。
論文 参考訳（メタデータ） (2023-09-08T20:27:05Z) - Exploring API Behaviours Through Generated Examples [0.768721532845575]
本稿では,APIの動作に関する関連事例を自動的に生成するアプローチを提案する。
我々の手法は、探索中のシステムを理解するのに役立つ、小さくて関連する例を生成することができる。
論文 参考訳（メタデータ） (2023-08-29T11:05:52Z) - Carving UI Tests to Generate API Tests and API Specification [8.743426215048451]
APIレベルのテストは、単体レベルのテストとUIレベルの(あるいはエンドツーエンドの)テストの間で重要な役割を果たす。
既存のAPIテストツールにはAPI仕様が必要である。
WebアプリケーションのAPIレベルのテストを可能にするために,UIテストを活用するアプローチを提案する。
論文 参考訳（メタデータ） (2023-05-24T03:53:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。