[发明专利]一种面向网络应用系统的测试用例选择与扩充方法

权利要求书

1.一种面向网络应用系统的测试用例选择与扩充方法，其特征在于，该方法包括如下步骤：

步骤1、从数据库中读取被测网络应用系统的测试用例集数据；

步骤2、将步骤1中的测试用例集数据发送到解析服务器中进行解析，生成测试系统模型，并传输到显示装置以图形化的形式呈现；其中，测试系统模型包括：测试行为模型、测试数据模型和测试配置模型；

步骤3、将步骤2中解析生成的测试系统模型中的测试行为模型发送到去冗余服务器中进行去冗余化处理；

步骤4、将步骤2中解析生成的测试系统模型中的测试数据模型发送到训练服务器中，先进行测试数据获取，然后利用机器学习方法对测试数据进行训练，从而生成新的测试数据；

步骤5、将步骤3中得到的去冗余化后的测试行为模型以及步骤4中得到的新的测试数据，结合步骤2的测试系统模型的测试配置模型，一起发送到新测试用例集生成服务器中，进而采用TTCN-3测试标准生成具有更高故障探测效能的新测试用例集。

2.如权利要求1所述的方法，其特征在于，步骤1中所述的测试用例集为测试脚本。

3.如权利要求1所述的方法，其特征在于，步骤2中所述的解析过程主要通过如下三个步骤来实现：

(1)提取数据：通过静态或动态的分析获得源文件的元数据；

(2)构建模型：将提取的元数据进行分类和存储，使用预定义的模型对元数据进行重组，实现模型的构建；

(3)展现信息：在获取构建的模型后，通过元模型技术对模型信息进行抽象化处理，并以图形化形式展现，元模型技术是通过对事物的基本构成元素，以及元素间的关系进行定义，并规定其标示以达到对事物进行建模的一种技术。

4.如权利要求1所述的方法，其特征在于，步骤3具体为：依据解析出的测试系统模型中的测试行为模型，采用相似度计算公式，分别比对测试行为之间的相似度；采用遗传搜索算法，对整个测试行为模型进行优化搜索，从而得出能够达到测试目标的最小测试行为模型集合。

5.如权利要求4所述的方法，其特征在于，所述相似度的计算公式如下：

SimilarityFunction(i,j)＝nit/avg(|i|,|j|)

其中，nit表示两个测试行为之间的相同的操作数，avg(|i|,|j|)表示两个测试用例的平均操作数长度。

6.如权利要求1-5中任一项所述的方法，其特征在于，步骤4中所述的利用机器学习方法对测试数据进行训练具体为：在得到测试数据之后，通过模拟测试人员的测试思维，对原始测试数据进行训练、学习和调整，从而生成新的测试数据。

7.如权利要求1-5中任一项所述的方法，其特征在于，步骤5具体为：通过建立测试系统模型以及TTCN-3测试系统模型之间的映射，实现测试系统模型向TTCN-3抽象测试用例的转换，进而生成TTCN-3可执行测试用例脚本，通过TTCN-3测试执行平台，实现对网络应用系统的自动化测试。