文 / 中国银河证券股份有限公司信息技术部 龚剑 张文佳 沈众 卓壮 比年来，证券行业网络信息安全事件时有发生，对资源市场安全平稳运行产生了肯定的影响，为了保障证券期货业网络和信息安全，保护投资者合法权益，促进证券期货业稳固健康发展，推动行业机构持续加强网络安全防护能力建设，稳步提拔证券期货业网络和信息安全保障水平，中国证券业协会发布了《证券公司网络和信息安全三年提拔计划（2023—2025）》，在强化体系研发测试能力方面，要求“确保产品上线前得到充分有效的测试，科学设计测试方案和用例；借助主动化手段对需求分析、用例编写、用例评审、用例执行和缺陷追踪举行数字化度量；鼓励有条件的证券公司，妥当提拔重要信息体系的主动化测试比例，全面提拔测试效能与质量。” 证券行业在精准营销、智能保举、反洗钱、合规风控等业务方面举行的人工智能技术应用取得了明显的效果。为了在监管要求和建议的指引下，借助人工智能技术提拔证券行业软件体系测试质量和效率，我们在现有人工智能平台产品和研究能力基础上，应用知识图谱和机器学习等技术，结合测试能力、测试履历和积累的测试数据，对测试领域中用例生成、缺陷定位等方面的智能化应用举行了研究和探索。 研究内容1.借助知识图谱，加强需求分析 基于测试需求等相干数据，抽象出需求、体系和用例实体以及实体之间的关系，构建“需求—体系—用例”关联图谱（如图1），辅助需求分析、体系设计和用例筛选。使用PageRank算法标注需求和用例优先级，辅助制定测试计划；使用共同邻居算法推算关联需求，辅助需求分析；将缺陷数量等属性与整体中位数举行比较，分析目标需求分位水平；与需求信息数据库建立关联，同步更新测试需求质量数据；通过数据可视化获取测试执行统计分析信息，把控测试盼望和测试质量。
2.借助知识图谱，加强用例编写 （1）知识图谱辅助状态迁移测试用例生成。对于APP体系的状态迁移测试，将原子用例举行数据抽象，基于节点、边和组合规则生成状态迁移图谱；开辟图数据库计算、路径查找、环路径过滤功能，生成符合业务逻辑的有效状态迁移测试路径；将测试路径导入主动化测试平台，转化为主动化测试脚本，提拔APP体系主动化测试效率。 （2）知识图谱辅助场景切换测试用例生成。对于流程审核类体系的场景切换测试，将原子用例举行数据抽象，基于节点、边和组合规则生成场景切换图谱；综合运用Cypher查询和Python剖析生成有效场景切换测试路径；将测试路径导入主动化测试平台，转化为主动化测试脚本，提拔流程审核类体系主动化测试效率。 3.借助机器学习，加强缺陷追踪 基于体系报错文本信息，构建报错信息库练习机器学习模型，采用FastText、TextCNN、Bert和Albert四种文本分类模型举行研究。研究过程包括：数据预处理，分析特性与标签对应关系，梳理形成规则字典；应用天然语言处理技术，举行分词和特性提取；针对数据特性和业务逻辑，编写定位算法；使用多个分类器举行模型练习和调参优化；举行效果对比，确定符合正确率置信要求的办理方案；使用经典预练习模型Bert结合神经网络分类器的办理方案，对于常见报错范例定位的正确率达到了90%，辅助快速举行体系报错定位和缺陷确认。 创新成果1.创造性地使用图谱路径查找辅助用例生成 知识图谱采用图结构来建模和记录实体间关联关系和知识，更加精准地实现了信息检索。知识图谱路径查找通常涉及从一个给定的起始实体到一个目标实体的路径查找，可以揭示实体之间的隐蔽关系或提供一种方式来明白实体间的关联。项目使用图遍历算法的广度优先搜索（BFS），帮助在图中查找从一个节点到另一个节点的有效测试路径，将有效测试路径导入主动化测试平台，提拔主动化测试用例生成的效率。 2.开辟集群分析模式突破内存等资源限定 普关照识图谱平台支持路径长度为8层，一样平常复杂度的状态迁移和场景切换测试用例生成，必要支持测试路径长度为12层左右。项目开辟了集群分析模式，突破内存等资源限定，执行图谱查询、测试路径生成和输出，办理了项目研究数据量超过10万条、查询时间超过30秒的限定。集群查询易扩展、易部署，无需改动任何代码，只需新增服务器部署雷同的应用并配置负载平衡，即可减轻业务增量带来的体系压力。 3.应用测试智能化研究成果提拔测试效率 知识图谱与机器学习测试智能化研究成果，已应用于企业微信同一测试应用。将测试过程中遇到的体系报错信息输入应用，提交后台机器学习模型举行报错分析和猜测，给出符合置信要求的定位猜测结果，相较人工履历判断和重复性问询，极大地提拔了测试题目定位的效率。 4.融合DevOps研发度量建设智能化测试体系 项目研究将知识图谱、主动化测试、机器学习等平台举行了数据打通，借助人工智能平台辅助主动化测试用例生成、主动化执行报错定位和缺陷主动提交，提拔了DevOps持续交付主动化测试的效能与质量，丰富了研发度量的测试质量数据，为智能化测试体系建设奠定了基础（如图2）。
研究价值项目上线运行以来，辅助完成回归测试需求29项，辅助完成缺陷定位1100余次，项目研究价值主要表如今以下几方面。第一，对于行业软件体系测试需求的测试质量分析，实现了手工记录到图谱统计分析和可视化度量的提拔；第二，对于状态迁移组合测试用例，实现了5分钟主动生成1万条有效组合测试用例；第三，对于场景切换测试用例，实现了当天主动生成100%覆盖业务流程分支的测试用例；第四，对于软件体系缺陷定位，通过智能化测试应用的辅助，实现了1人1天定位10个缺陷到1人1天定位25个缺陷的能力提拔。 一样平常复杂度的测试需求，测试周期从7.75天缩减到3.75天，测试效率提拔了52%；对于测试过程中常见体系报错，节省处置定位的工作量约为21人月。通过项目研究，对于证券公司探索借助人工智能技术实现降本增效，提供了可行性方案、实践案例和实验数据，为企业智能化测试体系建设奠定了基础。 总结展望项目研究提出了一种测试智能化应用办理方案，采用知识图谱、机器学习和NLP天然语言处理技术，在测试前、中、后三个重要环节举行测试智能化创新应用。通过建立测试知识图谱、文本分类模型和测试过程可视化等手段，进步了测试效率和覆盖率，节省了人力成本。实践结果表明，该方案已经成功应用于研发测试流程并取得了较好的效果，达到了预期的目标，具有较高的实用价值和应用前景。 随着ChatGPT的推出，行业广泛研究大语言模型的金融科技应用，我们使用开源大语言模型举行了软件测试应用的探索和实践。一方面，使用大模型文本提取能力，探索需求文档概要提取，辅助测试用例编写，计划后续通过规范需求文档格式、调整Prompt，进步摘要的正确性；另一方面，使用大模型代码生成能力，探索主动化测试代码生成，辅助主动化测试用例转化，当前脚本转化的正确率达到了60%左右，计划使用领域知识库辅助模型举行微调，使用更具结构化的数据来进步正确性。 项目计划随着大语言模型技术的迭代演进和不断成熟，将本文的研究成果，作为图谱分析和报错猜测能力，集成到自主可控的大语言模型同一调用，实现智能对话式测试应用，辅助所有相干角色更便捷、更高效地开展软件测试工作，推动证券行业软件质量保障向人工智能领域的更高层次发展。 （此文刊发于《金融电子化》2024年2月下半月刊） |
