論文の概要: DualMine: Static-Dynamic REST API Constraint Discovery with Dual Validation
- arxiv url: http://arxiv.org/abs/2609.27806v1
- Date: Tue, 18 Aug 2026 06:47:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.972636
- Title: DualMine: Static-Dynamic REST API Constraint Discovery with Dual Validation
- Title（参考訳）: DualMine: Dual Validationによる静的動的REST API制約発見
- Abstract要約: DualMineはREST API制約発見のためのハイブリッドフレームワークである。
LLMベースの静的マイナを使用して、まずOpenAPI仕様から候補制約を抽出する。
実行時エビデンスを使用して、仕様由来の制約を検証または否定する。
これは、不確実性、重複、あるいは矛盾する制約を解決するために、ターゲットAPI実行を実行することで、逆例ガイダンスの洗練を適用します。
- 参考スコア（独自算出の注目度）: 17.66660885411631
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: REST API constraints capture semantic properties of API responses and are essential for automated test oracle generation, but they are difficult to discover reliably. Static approaches infer constraints from API specifications and documentation, but their results may be affected by incomplete, ambiguous, or outdated specifications. Dynamic approaches mine invariants from execution traces, but their results depend on execution coverage and may include coincidental properties that hold only for the observed executions. This paper presents DualMine, a hybrid framework for REST API constraint discovery that integrates specification-based constraint mining with runtime invariant mining. It first extracts candidate constraints from OpenAPI specifications using an LLM-based static miner and from request-response traces using dynamic invariant mining. It then performs asymmetric dual validation: runtime evidence is used to validate or refute specification-derived constraints, while specification-aware LLM reasoning is used to filter implausible log-derived invariants~without discarding plausible undocumented behaviors. Finally, it applies counterexample-guided refinement by performing targeted API executions to resolve uncertain, overlapping, or conflicting constraints. We evaluate DualMine on 39 real-world REST APIs and compare it against state-of-the-art static-only, dynamic-only, and constraint discovery approaches. The results show that it improves the quality of discovered constraints by reducing unsupported constraints, retaining complementary constraints missed by individual approaches, which helps detect 48 real REST API faults.
- Abstract（参考訳）: REST APIの制約は、APIレスポンスのセマンティックプロパティをキャプチャし、自動テストオラクル生成に必須であるが、確実な発見は困難である。
静的アプローチは、API仕様とドキュメントから制約を推論するが、その結果は不完全、曖昧、あるいは時代遅れの仕様に影響される可能性がある。
動的アプローチは実行トレースから不変性を抽出するが、結果は実行カバレッジに依存し、観察された実行のみを保持する偶然のプロパティを含む可能性がある。
本稿では、仕様ベースの制約マイニングとランタイム不変マイニングを統合した、REST API制約検出のためのハイブリッドフレームワークであるDualMineについて述べる。
LLMベースの静的マイナと動的不変マイニングを用いた要求応答トレースから、まずOpenAPI仕様から候補制約を抽出する。
実行時エビデンスは仕様由来の制約を検証または否定するために使用され、仕様を意識したLCM推論は、証明不可能なログ由来の不変量をフィルタするために使われます。
最後に、不確実性、重複、あるいは矛盾する制約を解決するために、ターゲットAPIの実行を実行することで、逆例ガイダンスの洗練を適用します。
39の現実世界のREST API上でDualMineを評価し、最先端の静的限定、動的限定、制約発見アプローチと比較した。
結果として、サポート対象の制約を減らし、個々のアプローチで欠落した補完的な制約を保ち、48の実際のREST API障害を検出することで、検出された制約の品質を改善することが示されている。
関連論文リスト
- REST API Testing with Verified LLM-Inferred Dependencies and Response-Driven Refinement [19.22574614688818]
APIをテストするには、操作、パラメータ、実行時に生成されたリソース間の依存関係を満たすAPI呼び出しを生成する必要がある。
最近のLCMベースのアプローチは、そのような依存関係を推論し、OpenAPI仕様からテストシーケンスを生成する。
これは、急激な依存関係を導入し、実行可能な操作チェーンを見逃し、実行不可能なテストを生成する。
私たちは、REST APIテストのための実行検証フレームワークであるAPIPilotを提案します。
論文 参考訳（メタデータ） (2026-08-18T09:07:10Z) - PluginEval: A Diagnostic Benchmark for Fine-Grained Error Attribution in Function Calling [11.1017602726296]
大規模言語モデルは、ますます自律的なエージェントとして機能している。
現在のベンチマークには3つの制限がある。
Evalは、2段階のフレームワークで構築されたベンチマークである。
論文 参考訳（メタデータ） (2026-08-09T13:25:54Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - Systematic API Testing Through Model Checking and Executable Contracts [0.0]
モデルチェックを活用することで,APIテストの体系的な状態空間カバレッジを実現するフレームワークであるIcePickを紹介した。
IcePickはTLA+を使用して、API状態の進化を正式にモデル化し、TLCモデルチェッカーを使用して、到達可能な状態を徹底的に探索し、振る舞いモデルを確実にカバーするテストシーケンスを生成する。
HTTPステータスコード以外のオラクル制限に対処するために、API仕様を実行可能なセマンティックコントラクトで強化する一階述語論理コントラクト言語であるGlacierを提案する。
論文 参考訳（メタデータ） (2026-04-09T17:00:42Z) - Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards [76.49428173793386]
LLMは、中間出力を伝搬しながら、正しい順序で複数の依存APIを呼び出す必要がある。
既存の環境は、シミュレーションデータを使った単純なターン毎の関数呼び出しとバイナリ報酬に重点を置いている。
まず、実APIレスポンスの大規模キャッシュを背景とした強化学習環境を構築し、有効なマルチステップオーケストレーショントレースをサンプリングするデータ合成パイプラインを実現する。
第二に、正当性を原子の妥当性とオーケストレーションに分解する、段階的な報酬設計を提案する。
論文 参考訳（メタデータ） (2026-03-25T18:31:39Z) - Combining Static and Dynamic Approaches for Mining and Testing Constraints for RESTful API Testing [10.13889120511225]
本稿では,新しい静的解析手法(APIレスポンスボディの制約をAPI仕様から抽出する)と動的アプローチを組み合わせることを提案する。
大きな言語モデル(LLM)を活用して、API仕様を理解し、レスポンスボディの制約をマイニングし、テストケースを生成します。
また、生成されたテストケースを使用して、実世界の8つのAPIに対して、API仕様と実際のレスポンスデータとの間の21のミスマッチを検出します。
論文 参考訳（メタデータ） (2025-04-24T06:28:18Z) - Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。
ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。
我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。
我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
論文 参考訳（メタデータ） (2025-04-07T03:57:41Z) - Joint Localization and Activation Editing for Low-Resource Fine-Tuning [73.64004083269424]
本稿では,JoLA(Joal Localization and activation editing)法を提案する。
JoLAは(1)Transformerのどのヘッダーを編集するか、(2)介入が加法的、乗法的、または両方であるべきか、(3)介入パラメータ自体を学習する。
JoLAは既存のメソッドよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-02-03T09:13:09Z) - 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) - 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。