基于边界感知的测试数据生成方法、设备和存储介质与流程
本申请涉及数据处理,尤其涉及一种基于边界感知的测试数据生成方法、设备和存储介质。
背景技术:
1、软件测试中,边界值分析因缺陷发现效率高而被广泛采用。当前合成数据生成技术以合成数据保险库为代表,合成数据保险库以统计分布保真为核心目标,使生成数据在均值、方差、相关性等统计特征上接近真实数据。
2、合成数据保险库通过拟合真实业务数据的多元联合分布,利用连接函数模型或深度生成模型学习各字段之间的统计依赖关系,再从学习到的分布中采样生成合成数据,而真实业务数据分布天然中心化,边界值属于小概率事件,因此合成数据同样呈现“中间密、边界疏”的特征。
3、合成数据保险库的约束增强生成功能虽能校验字段间逻辑约束,但仍为生成后的硬规则过滤,不能主动提升边界区域的采样概率密度。
技术实现思路
1、本申请的主要目的在于提供一种基于边界感知的测试数据生成方法、设备和存储介质,旨在解决如何提高边界区域的采样概率密度的技术问题。
2、为实现上述目的,本申请提供一种基于边界感知的测试数据生成方法,所述基于边界感知的测试数据生成方法包括:
3、响应于接收到的业务数据样本,基于多个预设维度提取所述业务数据样本的候选边界,并将所述候选边界合并去重后设定邻域半径,得到边界候选集;
4、基于所述边界候选集,确定隐空间采样点的边界邻域归属度,根据所述边界邻域归属度构建权重函数;
5、基于所述权重函数,对所述隐空间采样点进行采样并解码后,得到目标合成数据样本。
6、在一实施例中,所述响应于接收到的业务数据样本,基于多个预设维度提取所述业务数据样本的候选边界,并将所述候选边界合并去重后设定邻域半径,得到边界候选集的步骤,包括:
7、获取所述业务数据样本的数值字段,根据所述数值字段计算分位数,将所述分位数标记为统计边界并作为候选边界;
8、获取所述业务数据样本的字段元数据,根据所述字段元数据推断数据类型极值并作为候选边界;
9、获取所述业务数据样本的业务约束规则中的比较运算符,将所述比较运算符中的等号条件和不等式临界点提取为逻辑边界并作为候选边界;
10、将所述统计边界、所述数据类型极值和所述逻辑边界经合并去重并设定邻域半径后,得到边界候选集。
11、在一实施例中,所述基于所述边界候选集,确定隐空间采样点的边界邻域归属度,根据所述边界邻域归属度构建权重函数的步骤,包括:
12、基于预设生成模型从隐空间先验分布中采样,得到隐空间采样点;
13、基于所述边界候选集计算各所述隐空间采样点的边界邻域归属度;
14、引入调节参数,根据所述边界邻域归属度和所述调节参数构建权重函数。
15、在一实施例中,所述基于所述边界候选集计算各所述隐空间采样点的边界邻域归属度的步骤,包括:
16、计算各所述隐空间采样点解码后与所述边界候选集中单个候选边界之间的距离;
17、根据所述距离和所述候选边界的邻域半径计算各所述隐空间采样点与单个候选边界的单边界归属度;
18、通过取各所述隐空间采样点与各候选边界的单边界归属度的最大值,得到各隐空间采样点的边界邻域归属度。
19、在一实施例中,所述基于所述权重函数,对所述隐空间采样点进行采样并解码后,得到目标合成数据样本的步骤,包括:
20、基于所述权重函数对所述隐空间采样点加权采样,得到隐空间向量;
21、将所述隐空间向量输入预设生成模型的生成器完成解码,得到目标合成数据样本。
22、在一实施例中,所述基于所述权重函数对所述隐空间采样点加权采样,得到隐空间向量的步骤,包括:
23、通过所述权重函数计算各所述隐空间采样点的采样权重;
24、归一化处理各所述隐空间采样点的采样权重,得到各所述隐空间采样点的采样概率;
25、基于所述采样概率对隐空间采样点进行采样,得到隐空间向量。
26、在一实施例中,所述基于所述权重函数,对所述隐空间采样点进行采样并解码后,得到目标合成数据样本的步骤之后,包括:
27、计算所述目标合成数据样本中命中边界候选集的样本占总体样本的比例,得到边界覆盖率;
28、将所述目标合成数据样本的统计特征与业务数据样本对比,得到统计保真度,所述统计特征包括均值、方差、相关性的至少一种;
29、将所述边界覆盖率与预设第一阈值进行比较,所述统计保真度与预设第二阈值进行比较;
30、当所述边界覆盖率和统计保真度同时满足要求时,输出所述目标合成数据样本作为合成测试数据集。
31、在一实施例中,所述将所述边界覆盖率与预设第一阈值进行比较,所述统计保真度与第二阈值进行比较的步骤之后,还包括:
32、当所述边界覆盖率低于所述预设第一阈值时,增大调节参数并重新采样;
33、当所述统计保真度低于所述预设第二阈值时,减小调节参数并重新采样。
34、此外,为实现上述目的,本申请还提供一种基于边界感知的测试数据生成设备,所述基于边界感知的测试数据生成设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上所述基于边界感知的测试数据生成方法的步骤。
35、此外,为实现上述目的,本申请还提供一种存储介质,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有实现基于边界感知的测试数据生成方法的程序,所述实现基于边界感知的测试数据生成方法的程序被处理器执行以实现如上所述基于边界感知的测试数据生成方法的步骤。
36、本申请提供了一种基于边界感知的测试数据生成方法,本申请首先响应接收到的业务数据样本后,提取出潜在的边界候选并构建边界候选集,再基于边界候选集生成带有调节参数的权重函数,通过权重函数调整预设生成模型隐空间中不同区域的采样概率,主动提升边界邻域内的采样权重,提高边界区域的采样概率密度,解决了现有合成数据生成方法中边界区域采样密度低的技术问题。
1.一种基于边界感知的测试数据生成方法,其特征在于,所述基于边界感知的测试数据生成方法包括:
2.如权利要求1所述的基于边界感知的测试数据生成方法,其特征在于,所述响应于接收到的业务数据样本,基于多个预设维度提取所述业务数据样本的候选边界,并将所述候选边界合并去重后设定邻域半径,得到边界候选集的步骤,包括:
3.如权利要求1所述的基于边界感知的测试数据生成方法,其特征在于,所述基于所述边界候选集,确定隐空间采样点的边界邻域归属度,根据所述边界邻域归属度构建权重函数的步骤,包括:
4.如权利要求3所述的基于边界感知的测试数据生成方法,其特征在于,所述基于所述边界候选集计算各所述隐空间采样点的边界邻域归属度的步骤,包括:
5.如权利要求1所述的基于边界感知的测试数据生成方法,其特征在于,所述基于所述权重函数,对所述隐空间采样点进行采样并解码后,得到目标合成数据样本的步骤,包括:
6.如权利要求5所述的基于边界感知的测试数据生成方法,其特征在于,所述基于所述权重函数对所述隐空间采样点加权采样,得到隐空间向量的步骤,包括:
7.如权利要求1所述的基于边界感知的测试数据生成方法,其特征在于,所述基于所述权重函数,对所述隐空间采样点进行采样并解码后,得到目标合成数据样本的步骤之后,包括:
8.如权利要求7所述的基于边界感知的测试数据生成方法,其特征在于,所述将所述边界覆盖率与预设第一阈值进行比较,所述统计保真度与第二阈值进行比较的步骤之后,还包括:
9.一种基于边界感知的测试数据生成设备,其特征在于,所述基于边界感知的测试数据生成设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如权利要求1至8中任一项所述的基于边界感知的测试数据生成方法的步骤。
10.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的基于边界感知的测试数据生成方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com