論文の概要: Log-based, Business-aware REST API Testing

• arxiv url: http://arxiv.org/abs/2604.08007v1
• Date: Thu, 09 Apr 2026 09:10:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.829616
• Title: Log-based, Business-aware REST API Testing
• Title（参考訳）: ログベースのビジネス対応REST APIテスト
• Authors: Ding Yang, Ruixiang Qian, Zhao Wei, Zhenyu Chen, Chunrong Fang,
• Abstract要約: REST APIの単一障害は、マイクロサービスシステム全体をダウンさせ、重大な損失を引き起こす可能性がある。 LoBRESTはログベースの、ビジネス対応のREST APIテスティングテクニックである。
• 参考スコア（独自算出の注目度）: 12.429370543775006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: REST APIs enable collaboration among microservices. A single fault in a REST API can bring down the entire microservice system and cause significant financial losses, underscoring the importance of REST API testing. Effectively testing REST APIs requires thoroughly exercising the functionalities behind them. To this end, existing techniques leverage REST specifications (e.g., Swagger or OpenAPI) to generate test cases. Using the resource constraints extracted from specifications, these techniques work well for testing simple, business-insensitive functionalities, such as resource creation, retrieval, update, and deletion. However, for complex, business-sensitive functionalities, these specification-based techniques often fall short, since exercising such functionalities requires additional business constraints that are typically absent from REST specifications. In this paper, we present LoBREST, a log-based, business-aware REST API testing technique that leverages historical request logs (HRLogs) to effectively exercise the business-sensitive functionalities behind REST APIs. To obtain compact operation sequences that preserve clean and complete business constraints, LoBREST first employs a locality-slicing strategy to partition HRLogs into smaller slices. Then, to ensure the effectiveness of the obtained slices, LoBREST enhances them in two steps: (1) adding slices for operations missing from HRLogs, and (2) completing missing resources within the slices. Finally, to improve test adequacy, LoBREST uses these enhanced slices as initial seeds to perform business-aware fuzzing. LoBREST outperformed eight tools (including Arat-rl, Morest, and Deeprest) across 17 real-world services. It achieved top operation coverage on 16 services and line coverage on 15, averaging 2.1x and 1.2x improvements over the runner-up. LoBREST detected 108 5XX bugs, including 38 found by no other tool.
• Abstract（参考訳）: REST APIはマイクロサービス間のコラボレーションを可能にする。 REST APIの単一障害は、マイクロサービスシステム全体をダウンさせ、大きな損失をもたらし、REST APIテストの重要性を強調します。 REST APIを効果的にテストするには、それらの機能の徹底的な実行が必要です。 この目的のために、既存のテクニックはREST仕様(SwaggerやOpenAPIなど)を利用してテストケースを生成する。 仕様から抽出されたリソース制約を利用することで、これらのテクニックは、リソースの生成、検索、更新、削除といった、単純でビジネスに敏感な機能をテストするのに役立ちます。 しかし、複雑なビジネスに敏感な機能については、このような機能を実行するには、通常REST仕様にはない追加のビジネス制約を必要とするため、これらの仕様ベースのテクニックは、しばしば不足します。 本稿では、履歴要求ログ(HRLogs)を活用するログベースのビジネス対応REST APIテスティング技術であるLoBRESTを紹介し、REST APIの背後にあるビジネスに敏感な機能を効果的に発揮する。 クリーンで完全なビジネス制約を保存するコンパクトなオペレーションシーケンスを得るために、LoBRESTはまず、ローカリティスライシング戦略を使用してHRLogを小さなスライスに分割する。 次に、得られたスライスの有効性を保証するため、LoBRESTは、(1)HRLogsから欠落したオペレーションのためのスライスの追加、(2)スライス内で欠落したリソースを補完する2つのステップでそれらを強化する。 最後に、テスト精度を改善するために、LoBRESTはこれらの強化されたスライスを初期シードとして使用して、ビジネス対応ファジィを実行する。 LoBRESTは17の現実世界サービスで8つのツール(Arat-rl、Morest、Deeprestなど)を上回りました。 16のサービスと15のラインをカバーし、平均2.1倍と1.2倍の改善が達成された。 LoBRESTは108の5XXバグを検出した。

関連論文リスト

• RESTifAI: LLM-Based Workflow for Reusable REST API Testing [0.0]
  私たちは、再利用可能なCI/CD対応のREST APIテストを生成するLLM駆動のアプローチであるRESTifAIを紹介します。 主に内部サーバエラーに焦点を当てる既存のツールとは異なり、RESTifAIは有効なテストシナリオを構築している。
  論文  参考訳（メタデータ） (2025-12-09T15:21:51Z)
• LlamaRestTest: Effective REST API Testing with Small Language Models [50.058600784556816]
  LlamaRestTestは、2つのLLM(Large Language Models)を使って現実的なテストインプットを生成する新しいアプローチである。 私たちは、GPTを使った仕様強化ツールであるRESTGPTなど、最先端のREST APIテストツールに対して、これを評価しています。 私たちの研究は、REST APIテストにおいて、小さな言語モデルは、大きな言語モデルと同様に、あるいは、より良く機能することができることを示しています。
  論文  参考訳（メタデータ） (2025-01-15T05:51:20Z)
• 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ツールであるAutoRestTestを紹介します。 このアプローチでは、REST APIテストを分離可能な問題として扱い、4人のエージェントがAPI探索を最適化するために協力します。 12の現実世界のRESTサービス上でのAutoRestTestの評価は、主要な4つのブラックボックスREST APIテストツールよりも優れています。
  論文  参考訳（メタデータ） (2024-11-11T16:20:27Z)
• 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)

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。