論文の概要: Characterizing Bugs in Login Processes of Android Applications: An Empirical Study

• arxiv url: http://arxiv.org/abs/2502.04200v3
• Date: Thu, 13 Feb 2025 14:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:46:04.302506
• Title: Characterizing Bugs in Login Processes of Android Applications: An Empirical Study
• Title（参考訳）: Androidアプリケーションのログプロセスにおけるバグの特徴:実証的研究
• Authors: Zixu Zhou, Rufeng Chen, Junfeng Chen, Yepang Liu, Lili Wei,
• Abstract要約: われわれはAndroidアプリにおけるログイン問題に関する実証的研究を行った。 44の人気のオープンソースAndroidレポジトリから361の問題を解析します。 これらの発見は、開発者がログインプロセスをモデル化し、問題の原因を特定するのに役立つ。
• 参考スコア（独自算出の注目度）: 7.820614189067919
• License:
• Abstract: The login functionality, being the gateway to app usage, plays a critical role in both user experience and application security. As Android apps increasingly incorporate login functionalities, they support a variety of authentication methods with complicated login processes, catering to personalized user experiences. However, the complexities in managing different operations in login processes make it difficult for developers to handle them correctly. In this paper, we present the first empirical study of login issues in Android apps. We analyze 361 issues from 44 popular open-source Android repositories, examining the root causes, symptoms, and trigger conditions of these issues. Our findings indicate that the vast majority of the login issues are induced by the improper handling of complex state transitions during the login process, which can prevent users from logging in or misdirect them to incorrect subsequent actions. Additionally, we observed that issues related to this cause typically require the convergence of multiple trigger conditions to manifest. These findings can help developers to model the login processes which can help them to identify the causes of issues and design targeted test cases and precise test oracles. Our dataset has been made openly available to facilitate future research in this area.
• Abstract（参考訳）: ログイン機能は、アプリ利用のゲートウェイであり、ユーザーエクスペリエンスとアプリケーションセキュリティの両方において重要な役割を果たす。 Androidアプリがますますログイン機能を取り入れているため、ログインプロセスが複雑になり、パーソナライズされたユーザーエクスペリエンスに対応するさまざまな認証方法をサポートしている。 しかし、ログインプロセスにおけるさまざまな操作の管理の複雑さは、開発者がそれらを正しく扱うのを困難にしている。 本稿では,Androidアプリにおけるログイン問題に関する実証的研究について紹介する。 44の人気のオープンソースAndroidレポジトリから361の問題を解析し、根本原因、症状、これらの問題の引き金となる条件を調べます。 以上の結果から,ログイン問題の大部分は,ログインプロセス中の複雑な状態遷移の不正なハンドリングによって引き起こされていることが示唆された。 さらに、この原因に関する問題は通常、複数のトリガー条件の収束が必要であることを観察した。 これらの発見は、開発者が問題の原因を特定し、ターゲットとするテストケースと正確なテストオーラクルを設計するための、ログインプロセスのモデル化に役立つ。 私たちのデータセットは、この分野の将来的な研究を促進するために、公開されています。

関連論文リスト

• Seeker: Enhancing Exception Handling in Code with LLM-based Multi-Agent Approach [54.03528377384397]
  現実世界のソフトウェア開発では、不適切な例外処理がコードの堅牢性と信頼性に重大な影響を与えます。 コードにおける例外処理を改善するために,大規模言語モデル (LLM) の利用について検討する。 例外処理のエキスパート開発者戦略にインスパイアされたマルチエージェントフレームワークであるSeekerを提案する。
  論文  参考訳（メタデータ） (2024-10-09T14:45:45Z)
• LogRCA: Log-based Root Cause Analysis for Distributed Services [4.049637286678329]
  根本原因を記述した最小限のログ行を識別する新しい方法であるLogRCAを提案する。 LogRCAは、希少で未知のエラーに対処するために、半教師付き学習アプローチを使用し、ノイズの多いデータを扱うように設計されている。 4430万のログ行からなる大規模プロダクションログデータセットに対して,当社のアプローチを評価した。
  論文  参考訳（メタデータ） (2024-05-22T12:50:56Z)
• End-to-end solution for linked open data query logs analytics [0.0]
  ユーザの深い理解は、強力な意思決定に影響を与える可能性のある有用な知識を提供する。 本稿では,Linked Open Data (LOD) クエリログから貴重な情報を抽出したい。
  論文  参考訳（メタデータ） (2024-03-09T21:29:40Z)
• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• Understanding Solidity Event Logging Practices in the Wild [8.14179966625145]
  私たちは、GitHubでホストされている2,915の人気のSolidityプロジェクトを使用して、現在のSolidityイベントのロギングプラクティスに関する最初の定量的特性調査を提供します。 この研究は、イベントロギングの広範性、現在のイベントロギングプラクティスの良さ、特にイベントロギングコードの進化の理由を方法論的に調査している。 これらの影響は、開発者、研究者、ツールビルダー、言語デザイナを啓蒙し、イベントロギングのプラクティスを改善します。
  論文  参考訳（メタデータ） (2023-08-24T13:41:24Z)
• EvLog: Identifying Anomalous Logs over Software Evolution [31.46106509190191]
  解析なしでログを処理するためのEvolving Log extractor (EvLog) という新しい教師なし手法を提案する。 EvLogは、異常なログを識別し、不安定なシーケンスによって引き起こされる問題を回避するために、注意機構を備えた異常判別器を実装している。 EvLogは、平均F1スコアが0.955と0.847の2つの実世界のシステム進化ログデータセットにおいて、それぞれバージョン内設定とバージョン間設定で有効であることを示した。
  論文  参考訳（メタデータ） (2023-06-02T12:58:00Z)
• LogAI: A Library for Log Analytics and Intelligence [27.889928073709516]
  LogAIは、ログ分析とインテリジェンスのためのワンストップのオープンソースライブラリである。 ログの要約、ログクラスタリング、ログ異常検出などのタスクをサポートする。 LogAIは統一されたモデルインターフェースを提供し、人気のある時系列、統計学習、ディープラーニングモデルを提供する。
  論文  参考訳（メタデータ） (2023-01-31T05:08:39Z)
• Data-Driven Approach for Log Instruction Quality Assessment [59.04636530383049]
  優れた品質特性を持つログ命令の記述方法に関するガイドラインは,広く採用されていない。 1)ログレベルの正確さを評価するための正しいログレベルの割り当てと,2)イベント記述の冗長化に必要な静的テキストの最小富度を評価する十分な言語構造である。 本手法は,F1スコア0.99の十分な言語構造を用いて,ログレベルの割当を精度0.88で正確に評価する。
  論文  参考訳（メタデータ） (2022-04-06T07:02:23Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。