系统升级智能测试方法、相关装置及计算机存储介质与流程

1.本技术涉及计算机技术领域，特别涉及一种系统升级智能测试方法、相关装置及计算机存储介质。


背景技术：

2.现在银行系统为了提升用户体验都开始慢慢对原有系统升级，例如将win7环境的系统升级到win10系统等等，但是由于系统升级需要系统功能测试全覆盖且升级后的系统版本多样造成测试过程重复，造成大量人力与物力的浪费。


技术实现要素：

3.有鉴于此，本技术提供一种系统升级智能测试方法、相关装置及计算机存储介质，可以在系统升级的过程中，进行自动测试，从而提高效率，降低人力成本。
4.本技术第一方面提供了一种系统升级智能测试方法，包括：
5.在当前版本中执行案例的过程中，在全景库中匹配得到所述案例的所有版本信息；其中，所述全景库包括每一个系统的所有版本信息；
6.确定每一个所述版本信息对应的得到至少一个环境；
7.针对每一个所述环境，将所述案例在所述环境中，自动执行一遍并记录得到第一测试结果；
8.将所述第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果；其中，所述第二测试结果为所述案例在原来的环境中的测试结果；所述判断人工智能模型由训练样本集合对神经网络模型进行训练得到；所述训练样本集合包括不同版本下的测试结果以及真实的判断结果；所述判断结果为异常或无异常。
9.可选的，所述结果判断人工智能模型的构建方法，包括：
10.构建训练样本集合；其中，所述训练样本集合包括不同版本下的测试结果以及真实的判断结果；
11.在所述训练样本集合中任意选取两个测试结果，作为第一目标测试结果和第二目标测试结果；
12.将所述第一目标测试结果和所述第二目标测试结果，输入至神经网络模型中，得到预测的判断结果；
13.利用所述预测的判断结果与所述真实的判断结果之间的误差，对所述神经网络模型中的参数进行不断调整，直至调整后的所述神经网络模型输出的预测的判断结果与真实的判断结果之间的误差满足预设的收敛条件时，将所述调整后的神经网络模型确定为结果判断人工智能模型。
14.可选的，所述将所述第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果之后，还包括：
15.若所述判断结果为无异常，则继续完成测试。
16.可选的，所述将所述第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果之后，还包括：
17.若所述判断结果为异常，则生成报警信息。
18.本技术第二方面提供了一种系统升级智能测试装置，包括：
19.匹配单元，用于在当前版本中执行案例的过程中，在全景库中匹配得到所述案例的所有版本信息；其中，所述全景库包括每一个系统的所有版本信息；
20.环境确定单元，用于确定每一个所述版本信息对应的得到至少一个环境；
21.执行单元，用于针对每一个所述环境，将所述案例在所述环境中，自动执行一遍并记录得到第一测试结果；
22.第一输入单元，用于将所述第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果；其中，所述第二测试结果为所述案例在原来的环境中的测试结果；所述判断人工智能模型由训练样本集合对神经网络模型进行训练得到；所述训练样本集合包括不同版本下的测试结果以及真实的判断结果；所述判断结果为异常或无异常。
23.可选的，所述结果判断人工智能模型的构建单元，包括：
24.构建单元，用于构建训练样本集合；其中，所述训练样本集合包括不同版本下的测试结果以及真实的判断结果；
25.选取单元，用于在所述训练样本集合中任意选取两个测试结果，作为第一目标测试结果和第二目标测试结果；
26.第二输入单元，用于将所述第一目标测试结果和所述第二目标测试结果，输入至神经网络模型中，得到预测的判断结果；
27.模型确定单元，用于利用所述预测的判断结果与所述真实的判断结果之间的误差，对所述神经网络模型中的参数进行不断调整，直至调整后的所述神经网络模型输出的预测的判断结果与真实的判断结果之间的误差满足预设的收敛条件时，将所述调整后的神经网络模型确定为结果判断人工智能模型。
28.可选的，所述系统升级智能测试装置，还包括：
29.测试单元，用于若所述判断结果为无异常，则继续完成测试。
30.可选的，所述系统升级智能测试装置，还包括：
31.报警单元，用于若所述判断结果为异常，则生成报警信息。
32.本技术第三方面提供了一种电子设备，包括：
33.一个或多个处理器；
34.存储装置，其上存储有一个或多个程序；
35.当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面任意一项所述的系统升级智能测试方法。
36.本技术第四方面提供了一种计算机存储介质，其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第一方面任意一项所述的系统升级智能测试方法。
37.由以上方案可知，本技术提供一种系统升级智能测试方法、相关装置及计算机存储介质，所述系统升级智能测试方法包括：首先，在当前版本中执行案例的过程中，在全景库中匹配得到所述案例的所有版本信息；其中，所述全景库包括每一个系统的所有版本信息；然后，确定每一个所述版本信息对应的得到至少一个环境；之后，针对每一个所述环境，
将所述案例在所述环境中，自动执行一遍并记录得到第一测试结果；最终，将所述第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果；其中，所述第二测试结果为所述案例在原来的环境中的测试结果；所述判断人工智能模型由训练样本集合对神经网络模型进行训练得到；所述训练样本集合包括不同版本下的测试结果以及真实的判断结果；所述判断结果为异常或无异常。从而得到在系统升级的过程中，进行自动测试，提高效率，降低人力成本的目的。
附图说明
38.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
39.图1为本技术实施例提供的一种系统升级智能测试方法的具体流程图；
40.图2为本技术另一实施例提供的一种结果判断人工智能模型的构建方法的流程图；
41.图3为本技术另一实施例提供的一种系统升级智能测试装置的示意图；
42.图4为本技术另一实施例提供的一种结果判断人工智能模型的构建单元的示意图；
43.图5为本技术另一实施例提供的一种实现系统升级智能测试装置的电子设备的示意图。
具体实施方式
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.需要注意，本技术中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系，而术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
46.本技术实施例提供了一种系统升级智能测试方法，如图1所示，具体包括以下步骤：
47.s101、在当前版本中执行案例的过程中，在全景库中匹配得到案例的所有版本信息。
48.其中，全景库包括每一个系统的所有版本信息。
49.需要说明的是，在银行系统升级测试过程中后台系统会记录所有的测试案例与测
试结果，将这些数据存储起来。同时银行后台系统建立所有的系统版本的全景库，即新系统的所有版本以及版本对应的地址，例如win10系统有09、10、11等多个版本。
50.可以理解的是，在当前版本中执行案例的过程中，后台系统也会记录当前的案例与其测试结果。
51.s102、确定每一个版本信息对应的得到至少一个环境。
52.s103、针对每一个环境，将案例在环境中，自动执行一遍并记录得到第一测试结果。
53.s104、将第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果。
54.其中，第二测试结果为案例在原来的环境中的测试结果；判断人工智能模型由训练样本集合对神经网络模型进行训练得到；训练样本集合包括不同版本下的测试结果以及真实的判断结果；判断结果为异常或无异常。
55.具体的，在本技术的另一实施例中，当判断结果表明无异常，则继续完成测试。
56.具体的，在本技术的另一实施例中，当判断结果表明异常，则生成报警信息。例如：发送提示消息、测试异常指示灯亮起等。
57.可选的，在本技术的另一实施例中，结果判断人工智能模型的构建方法的一种实施方式，如图2所示，包括：
58.s201、构建训练样本集合。
59.其中，训练样本集合包括不同版本下的测试结果以及真实的判断结果。测试结果包括但不限于数据输出、界面对比(包括栏位位置、大小等)以及流程环节等，此处不做限定。
60.s202、在训练样本集合中任意选取两个测试结果，作为第一目标测试结果和第二目标测试结果。
61.s203、将第一目标测试结果和第二目标测试结果，输入至神经网络模型中，得到预测的判断结果。
62.需要说明的是，神经网络模型网络根据输入输出的数据个数，确定bp神经网络结构，进而确定了遗传算法中需要优化的参数个数。根据kolmogorov原理，一个三层bp神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数采用试凑法确定，从而确定ga
‑
bp神经网络结构。
63.s204、判断预测的判断结果与真实的判断结果之间的误差，是否满足预设的收敛条件。
64.其中，预设的收敛条件由技术人员、有权限的相关人员等进行设定更改，此处不做限定。
65.具体的，若预测的判断结果与真实的判断结果之间的误差，满足预设的收敛条件，则执行步骤s205；若预测的判断结果与真实的判断结果之间的误差，不满足预设的收敛条件，则执行步骤s206。
66.s205、将神经网络模型确定为结果判断人工智能模型。
67.s206、对神经网络模型中的参数进行调整。
68.需要说明的是，在本技术的具体实现过程中，不仅限于利用预设的收敛条件对模
型进行修改、还可以设置一定的最大迭代次数，对模型进行训练，此处不做限定。
69.由以上方案可知，本技术提供一种系统升级智能测试方法：首先，在当前版本中执行案例的过程中，在全景库中匹配得到案例的所有版本信息；其中，全景库包括每一个系统的所有版本信息；然后，确定每一个版本信息对应的得到至少一个环境；之后，针对每一个环境，将案例在环境中，自动执行一遍并记录得到第一测试结果；最终，将第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果；其中，第二测试结果为案例在原来的环境中的测试结果；判断人工智能模型由训练样本集合对神经网络模型进行训练得到；训练样本集合包括不同版本下的测试结果以及真实的判断结果；判断结果为异常或无异常。从而得到在系统升级的过程中，进行自动测试，提高效率，降低人力成本的目的。
70.本技术另一实施例提供了一种系统升级智能测试装置，如图3所示，具体包括：
71.匹配单元301，用于在当前版本中执行案例的过程中，在全景库中匹配得到案例的所有版本信息。
72.其中，全景库包括每一个系统的所有版本信息。
73.环境确定单元302，用于确定每一个版本信息对应的得到至少一个环境。
74.执行单元303，用于针对每一个环境，将案例在环境中，自动执行一遍并记录得到第一测试结果。
75.第一输入单元304，用于将第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果。
76.其中，第二测试结果为案例在原来的环境中的测试结果；判断人工智能模型由训练样本集合对神经网络模型进行训练得到；训练样本集合包括不同版本下的测试结果以及真实的判断结果；判断结果为异常或无异常。
77.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图1所示，此处不再赘述。
78.可选的，在本技术的另一实施例中，结果判断人工智能模型的构建单元的一种实施方式，如图4所示，包括：
79.构建单元401，用于构建训练样本集合。
80.其中，训练样本集合包括不同版本下的测试结果以及真实的判断结果。
81.选取单元402，用于在训练样本集合中任意选取两个测试结果，作为第一目标测试结果和第二目标测试结果。
82.第二输入单元403，用于将第一目标测试结果和第二目标测试结果，输入至神经网络模型中，得到预测的判断结果。
83.模型确定单元404，用于利用预测的判断结果与真实的判断结果之间的误差，对神经网络模型中的参数进行不断调整，直至调整后的神经网络模型输出的预测的判断结果与真实的判断结果之间的误差满足预设的收敛条件时，将调整后的神经网络模型确定为结果判断人工智能模型。
84.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，如图2所示，此处不再赘述。
85.可选的，在本技术的另一实施例中，系统升级智能测试装置的一种实施方式，还包括：
86.测试单元，用于若判断结果为无异常，则继续完成测试。
87.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
88.可选的，在本技术的另一实施例中，系统升级智能测试装置的一种实施方式，还包括：
89.报警单元，用于若判断结果为异常，则生成报警信息。
90.本技术上述实施例公开的单元的具体工作过程，可参见对应的方法实施例内容，此处不再赘述。
91.由以上方案可知，本技术提供一种系统升级智能测试装置：首先，匹配单元301在当前版本中执行案例的过程中，在全景库中匹配得到案例的所有版本信息；其中，全景库包括每一个系统的所有版本信息；然后，环境确定单元302确定每一个版本信息对应的得到至少一个环境；之后，执行单元303针对每一个环境，将案例在环境中，自动执行一遍并记录得到第一测试结果；最终，第一输入单元304将第一测试结果与第二测试结果输入至结果判断人工智能模型中，得到判断结果；其中，第二测试结果为案例在原来的环境中的测试结果；判断人工智能模型由训练样本集合对神经网络模型进行训练得到；训练样本集合包括不同版本下的测试结果以及真实的判断结果；判断结果为异常或无异常。从而得到在系统升级的过程中，进行自动测试，提高效率，降低人力成本的目的。
92.本技术另一实施例提供了一种电子设备，如图5所示，包括：
93.一个或多个处理器501。
94.存储装置502，其上存储有一个或多个程序。
95.当所述一个或多个程序被所述一个或多个处理器501执行时，使得所述一个或多个处理器501实现如上述实施例中任意一项所述的系统升级智能测试方法。
96.本技术另一实施例提供了一种计算机存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述实施例中任意一项所述的系统升级智能测试方法。
97.在本技术公开的上述实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
98.另外，在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产
品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，直播设备，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
99.专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。