論文の概要: Automated Test-Case Generation for REST APIs Using Model Inference Search Heuristic

• arxiv url: http://arxiv.org/abs/2412.03420v2
• Date: Thu, 30 Jan 2025 12:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:13:16.086637
• Title: Automated Test-Case Generation for REST APIs Using Model Inference Search Heuristic
• Title（参考訳）: モデル推論探索ヒューリスティックを用いたREST APIの自動テストケース生成
• Authors: Clinton Cao, Annibale Panichella, Sicco Verwer,
• Abstract要約: EvoMasterは進化的アルゴリズム(EA)を使用して、REST APIのテストケースを自動的に生成するツールである。 本稿では、リアルタイム自動学習を用いて自動テストケース生成プロセスのガイドを行う新しい検索(MISH)を提案する。 MISHはシステム全体の振る舞いの表現を学び、推論される経路に基づいてテストケースの適合度を定義する。
• 参考スコア（独自算出の注目度）: 15.625240669567479
• License:
• Abstract: The rising popularity of the microservice architectural style has led to a growing demand for automated testing approaches tailored to these systems. EvoMaster is a state-of-the-art tool that uses Evolutionary Algorithms (EAs) to automatically generate test cases for microservices' REST APIs. One limitation of these EAs is the use of unit-level search heuristics, such as branch distances, which focus on fine-grained code coverage and may not effectively capture the complex, interconnected behaviors characteristic of system-level testing. To address this limitation, we propose a new search heuristic (MISH) that uses real-time automaton learning to guide the test case generation process. We capture the sequential call patterns exhibited by a test case by learning an automaton from the stream of log events outputted by different microservices within the same system. Therefore, MISH learns a representation of the systemwide behavior, allowing us to define the fitness of a test case based on the path it traverses within the inferred automaton. We empirically evaluate MISH's effectiveness on six real-world benchmark microservice applications and compare it against a state-of-the-art technique, MOSA, for testing REST APIs. Our evaluation shows promising results for using MISH to guide the automated test case generation within EvoMaster.
• Abstract（参考訳）: マイクロサービスアーキテクチャスタイルの人気が高まり、これらのシステムに適した自動テストアプローチへの需要が高まっている。 EvoMasterは、進化的アルゴリズム(EA)を使用して、マイクロサービスのREST APIのテストケースを自動的に生成する最先端のツールである。 これらのEAの1つの制限は、分枝距離のような単位レベルの探索ヒューリスティックを使うことであり、これはきめ細かいコードカバレッジに焦点を当てており、システムレベルのテストに特徴的な複雑な相互接続の振る舞いを効果的に捉えない可能性がある。 この制限に対処するために,実時間自動学習を用いてテストケース生成プロセスをガイドする新しい探索ヒューリスティック(MISH)を提案する。 同じシステム内で異なるマイクロサービスが出力するログイベントのストリームからオートマトンを学習することで、テストケースが示すシーケンシャルなコールパターンをキャプチャします。 そのため、MISHはシステム全体の振る舞いの表現を学習し、推論されたオートマトン内を走行する経路に基づいてテストケースの適合度を定義することができる。 実世界の6つのベンチマークマイクロサービスアプリケーションに対するMISHの有効性を実証的に評価し、REST APIをテストするための最先端技術であるMOSAと比較する。 評価の結果,MISHを用いてEvoMaster内の自動テストケース生成を導出できる有望な結果が得られた。

関連論文リスト

• AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
  LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。 以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-02T13:24:30Z)
• Enabling Cost-Effective UI Automation Testing with Retrieval-Based LLMs: A Case Study in WeChat [8.80569452545511]
  機械学習と大規模言語モデルを組み合わせることで、業界アプリケーションのためのコスト効率の良いUI自動化テストを作成するために、CATを導入します。 次にCATは機械学習技術を採用し、LLMを補完として、ターゲット要素をUI画面にマップする。 WeChatテストデータセットの評価では、CATのパフォーマンスとコスト効率が示され、90%のUI自動化と0.34ドルのコストが達成されました。
  論文  参考訳（メタデータ） (2024-09-12T08:25:33Z)
• 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)
• Prompt Optimization with EASE? Efficient Ordering-aware Automated Selection of Exemplars [66.823588073584]
  大規模言語モデル(LLM)は、現実世界のアプリケーションで印象的な機能を示している。 これらの卓越した作品の品質は、パフォーマンスに大きな影響を与えます。 既存の方法は、先行注文がパフォーマンスに与える影響を適切に説明できない。
  論文  参考訳（メタデータ） (2024-05-25T08:23:05Z)
• Automating REST API Postman Test Cases Using LLM [0.0]
  本稿では,大規模言語モデルを用いたテストケースの自動生成手法の探索と実装について述べる。 この方法論は、テストケース生成の効率性と有効性を高めるために、Open AIの使用を統合する。 この研究で開発されたモデルは、手作業で収集したポストマンテストケースやさまざまなRest APIのインスタンスを使ってトレーニングされている。
  論文  参考訳（メタデータ） (2024-04-16T15:53:41Z)
• Towards a Complete Metamorphic Testing Pipeline [56.75969180129005]
  システムアンダーテスト(SUT)の連続実行における入出力ペア間の関係を調べてテストオラクル問題に対処するメタモルフィックテスト(MT) これらの関係は、メタモルフィック関係 (MRs) と呼ばれ、特定の入力変化に起因する期待される出力変化を規定する。 本研究の目的は,MR の生成,制約の定義,MR 結果の説明可能性の提供を支援する手法とツールの開発である。
  論文  参考訳（メタデータ） (2023-09-30T10:49:22Z)
• 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)
• AmbieGen: A Search-based Framework for Autonomous Systems Testing [12.93632948681342]
  AmbieGenは、自律システムのための検索ベースのテストケース生成フレームワークである。 自律ロボットのテストケース生成と自動車線維持支援システムをサポートする。
  論文  参考訳（メタデータ） (2023-01-01T23:42:32Z)
• Improving Test Case Generation for REST APIs Through Hierarchical Clustering [14.064310383770243]
  過去10年間で、APIのシステムレベルのテストケース作成を自動化するツールとアプローチが提案されている。 進化アルゴリズム(EA)の制限要因の1つは、遺伝的演算子が完全にランダム化されていることである。 本稿では, AHC (Agglomerative Hierarchical Clustering) を用いてリンクツリーモデルを推論する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-14T12:57:49Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
  本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。 サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
  論文  参考訳（メタデータ） (2020-09-08T16:42:55Z)

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。