[发明专利]一种基于贝叶斯估计的测试用例生成方法及系统

说明书

本发明提供了一种基于贝叶斯估计的测试用例生成方法及系统，包括以下将软件的输入域划分成多个子区域，并将输入域的边界区域与内部区域区别开来，将边界区域作为优先级最高的子区域；引入贝叶斯估计方式，估计内部区域中子区域里可能包含失效区域的概率，基于概率大小对内部区域中子区域进行排序；按照子区域的优先级顺序生成测试用例，直至发现软件错误；若测试用例数达到预设条件仍未发现软件错误，则继续在优先级最高的子区域生成测试用例，直至发现软件错误。本发明的方法可以很好地解决现有ART方法存在的巨大计算开销问题，并在一定程度上解决了ART方法的边界效应问题，同时提高了运行效率。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于贝叶斯估计的测试用例生成方法及系统。

背景技术

软件测试是软件开发过程中的一个重要环节，它可以通过人工或者自动化的手段来运行整个系统或部分模块，根据预期结果与实际结果是否一致来判断该软件的整体或局部功能是否满足规定的需求。当前，软件测试领域中的技术的种类十分繁多，其中最常见的软件测试技术是白盒测试、灰盒测试、黑盒测试这三大类。但是，无论测试人员选择使用哪一种测试方法，想要对软件的输入域进行完全测试是几乎不可能实现的，因此，较常见的做法是从软件输入域的一些有代表性的子集中选择测试用例来进行测试。

随机测试是在输入域中随机生成实验所需要的测试用例。但由于其产生测试用例的随机性，该方法发现错误的能力并不高。

针对随机测试发现错误的能力较差的缺点,对随机测试进行改进，现有技术提出了ART方法(自适应随机测试)，其中经典的ART方法当属固定候选集规模的适应性随机测试方法。FSCS-ART方法(固定候选集的自适应随机测试)由于能够保证测试用例更加均匀地分布在软件输入域中，因而使发现错误的能力得到了很大提高。

但是，由于FSCS-ART方法引入了大量距离计算而导致了方法的系统计算资源开销十分巨大。而且由于FSCS-ART选择测试用例的特点，导致了其选择用来测试软件的测试用例容易堆积在软件输入域边界，从而影响检测软件错误的效果，这也就是边界效应。

专利申请201811501282.8提出了一种基于迭代区域均分与定位的自适应随机测试方法。

专利申请201911030817.2提出了一种基于中心点补偿策略的自适应随机测试用例生成方法。

基于中心点补偿策略的自适应随机测试用例生成方法以及基于迭代区域均分与定位的自适应随机测试方法，这两个方法都对输入域进行了划分，但是对于用于测试用例生成的划分的子区域的选择都是随机的，这虽然在一定程度上减少了传统ART方法计算开销大的问题，但是对子区域的随机选择的盲目性，并不能很好地提高测试的效率。因此，本技术领域亟待提出新的具有实际应用意义的技术方案。

发明内容

本发明的目的在于针对现有技术中的方法存在的大量距离计算而导致了方法的计算开销十分巨大，以及测试用例容易堆积在软件输入域边界的边界效应问题，提供了一种基于贝叶斯估计的测试用例生成方案。

本发明技术方案提供一种基于贝叶斯估计的测试用例生成方法，包括以下步骤，

步骤S1，将软件的输入域划分成多个子区域，并将输入域的边界区域与内部区域区别开来，将边界区域作为优先级最高的子区域；

步骤S2，引入贝叶斯估计方式，估计内部区域中子区域里可能包含失效区域的概率，基于概率大小对内部区域中子区域进行排序；

步骤S3，按照子区域的优先级顺序生成测试用例，直至发现软件错误；若测试用例数达到预设条件仍未发现软件错误，则继续在优先级最高的子区域生成测试用例，直至发现软件错误。

而且，步骤S1包括以下子步骤，

步骤S1.1，根据输入域的失效率设置内部区域的边界长度，得到内部区域之外的边界区域，记为D1；