接口测试方法、装置、设备及计算机可读存储介质与流程

技术特征：
1.一种接口测试方法，其特征在于，包括：获取待测试接口的接口信息，并将所述接口信息输入至预设的测试标签分类模型，得到所述待测试接口的目标测试标签；从所述接口信息中提取所述目标测试标签对应的入参信息，并获取所述入参信息对应的入参分析结果；根据所述目标测试标签和所述入参分析结果，生成接口测试脚本，并通过所述待测试接口运行所述接口测试脚本，以对所述待测试接口进行测试，得到所述待测试接口的测试结果。2.如权利要求1所述的接口测试方法，其特征在于，所述从所述接口信息中提取所述目标测试标签对应的入参信息，包括：获取预存的测试标签与入参信息类型之间的映射关系表；从所述映射关系表中获取所述目标测试标签对应的入参信息类型；根据所述目标测试标签对应的入参信息类型，从所述接口信息中提取对应的入参信息。3.如权利要求1所述的接口测试方法，其特征在于，所述获取所述入参信息对应的入参分析结果，包括：获取预设的参数分析模型，其中，所述参数分析模型是预先训练好的神经网络模型；将所述入参信息输入至所述参数分析模型，得到入参分析结果。4.如权利要求1所述的接口测试方法，其特征在于，所述获取所述入参信息对应的入参分析结果，包括：获取入参分析结果库；从所述入参分析结果库中获取所述入参信息对应的入参分析结果。5.如权利要求1
‑
4中任一项所述的接口测试方法，其特征在于，所述获取待测试接口的接口信息，并将所述接口信息输入至预设的测试标签分类模型，得到所述待测试接口的目标测试标签之前，还包括：获取样本数据，所述样本数据包括样本接口信息；对预设的神经网络模型进行参数初始化，其中，所述神经网络模型包括隐藏层和线性层；将所述样本接口信息输入至所述隐藏层，得到连续向量；将所述连续向量输入至所述线性层，得到多个标签概率；根据多个所述标签概率，调整所述神经网络模型的模型参数直至所述神经网络模型收敛，得到测试标签分类模型。6.如权利要求5所述的接口测试方法，其特征在于，所述根据多个所述标签概率，调整所述神经网络模型的模型参数直至所述神经网络模型收敛，得到测试标签分类模型，包括：根据多个所述标签概率，确定所述神经网络模型的目标损失值；根据所述目标损失值，确定所述神经网络模型是否收敛；若所述神经网络模型未收敛，则更新所述神经网络模型的模型参数，并继续输入接口信息进行神经网络模型训练直至所述神经网络模型收敛，得到所述测试标签分类模型。7.如权利要求1
‑
4中任一项所述的接口测试方法，其特征在于，所述通过所述待测试接
口运行所述接口测试脚本，以对所述待测试接口进行测试，得到所述待测试接口的测试结果之后，还包括：获取所述测试结果中漏洞信息对应的至少一个解决方案，并将至少一个所述解决方案发送至用户终端；接收用户终端基于至少一个所述解决方案筛选的目标解决方案，并根据所述目标解决方案对漏洞进行修复。8.一种接口测试装置，其特征在于，所述接口测试装置包括：获取模块，用于获取待测试接口的接口信息；生成模块，用于将所述接口信息输入至预设的测试标签分类模型，得到所述待测试接口的目标测试标签；提取模块，用于从所述接口信息中提取所述目标测试标签对应的入参信息；所述获取模块，还用于获取所述入参信息对应的入参分析结果；所述生成模块，还用于根据所述目标测试标签和所述入参分析结果，生成接口测试脚本；测试模块，用于通过所述待测试接口运行所述接口测试脚本，以对所述待测试接口进行测试，得到所述待测试接口的测试结果。9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的接口测试方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的接口测试方法的步骤。

技术总结
本申请涉及接口检测技术领域和区块链技术领域，提供一种接口测试方法、装置、设备及计算机可读存储介质，包括：获取待测试接口的接口信息，并将接口信息输入至预设的测试标签分类模型，得到待测试接口的目标测试标签；从接口信息中提取目标测试标签对应的入参信息，并获取入参信息对应的入参分析结果；根据目标测试标签和入参分析结果，生成接口测试脚本，并通过待测试接口运行接口测试脚本，可以迅速的对待测试接口进行测试，能够准确的得到待测试接口的测试结果。通过目标测试标签和入参分析结果生成的接口测试脚本对接口进行测试，使得业务人员也能够完成接口的测试，极大地提高了接口测试的便捷性和准确性，以及降低了接口测试的成本。试的成本。试的成本。


技术研发人员：何兆武
受保护的技术使用者：平安普惠企业管理有限公司
技术研发日：2021.07.30
技术公布日：2021/10/23