DI ĐỘNG VÀ PHƯƠNG PHÁP PHÁT TRIỂN LINH HOẠT
3.3. Phương pháp ứng dụng học máy và đồ thị hóa kết quả kiểm thử
3.3.2.5. Phân tích kết quả thực nghiệm
Phương pháp đề xuất đã được kiểm thử tại MeU Solutions - nhà cung cấp hàng đầu về các dịch vị ITO rất hiệu quả và đáng tin cậy. MeU-Solutions cung cấp giải pháp được đề xuất nhằm mang lại thành công cho một công ty. Tại MeU Solutions (https://meu-solutions.com), giải pháp được thực hiện thực nghiệm trên hệ thống PHPTravels (www.phptravels.net/). Sau ba tuần huấn luyện với khoảng 500 hình ảnh và hơn 100 nghìn bước thực hiện, hàm loss giảm xuống 0,02. Tác giả luận án đã sử dụng một bộ kiểm thử gồm 300 hình ảnh từ các trang web khác nhau để các thể loại đa dạng được thể hiện trong bộ kiểm thử như Blog cá nhân, trang web quản lý sản phẩm, trang web hệ thống du lịch, tin tức. Kết quả bước đầu của nghiên cứu cho thấy tất cả các điều khiển đều có thể được nhận diện. Hình 3.16 minh họa kết quả nhận diện của công cụ, các con số hiển thị trên hình thể hiện mức độ nhận diện đạt hơn 99%.
Hình 3.16. Kết quả nhận diện các đối tượng web từ dữ liệu kiểm thử.
Với khả năng phát hiện đối tượng của công cụ hiện tại, Shinobi cũng đã áp dụng thành cơng để xác định phương pháp phỏng đốn của Data Attack và phát hiện tất cả dữ liệu vô nghĩa để tạo ra nhiều ý tưởng kiểm thử nhằm hỗ trợ cho người kiểm thử tiến hành theo ngữ cảnh hiệu quả hơn cũng như mở rộng phạm vi kiểm thử.
Kết quả kiểm thử PHPTravel, người kiểm thử đã nhận được những lợi ích sau:
o Đề xuất thêm dữ liệu kiểm thử cho các phân vùng khác nhau, điều này làm tăng
cơ hội bắt các lỗi không mong muốn.
o Thực hiện kiểm thử được tiến hành theo cách phù hợp với dữ liệu có ý nghĩa cung cấp cái nhìn sâu sắc hơn về bối cảnh thực tế của nó.
o Tăng phạm vi bao phủ kiểm thử giao diện người dùng, giảm rủi ro bỏ sót các đối tượng mà người dùng có thể tương tác với chúng.
Trong Hình 3.17 là kết quả các đối tượng không được tương tác bởi người kiểm thử được phát hiện.
Hình 3.18. Tất cả các kiểu đối tượng điều khiển được nhận diện và sử dụng heuristic data attack để đề xuất giá trị thích hợp
Hình 3.19. Kết quả nhận diện dữ liệu kiểm thử nhập vào khơng có ý nghĩa
Trong Hình 3.18, 3.19, dữ liệu nhập vào các trường nhập liệu khơng có ý nghĩa hoặc sai định dạng cũng được phát hiện và cảnh báo cho người kiểm thử.