통합 시스템을 위한 출력 분포 기반 적응적 랜덤 테스팅

Adaptive Random Testing for Integrated System based on Output Distribution Estimation

적응적 랜덤 테스팅(ART)은 순수 랜덤 테스팅의 효율성을 개선하기 위해 제안된 방법으로 효과적인 테스트 케이스의 선택 을통해보다적은수의테스트케이스로소프트웨어내에존재하는오류영역을찾는것을목적으로한다. 기존의ART는 하나의시스템혹은유닛에대한테스트를적용대상으로하고있으며, 다양한접근방법을이용해순수랜덤테스팅보다우수 한 성능을 보여 왔다. 하지만 통합 시스템을 구성하는 특정 유닛에 대해 ART를 적용하고자 하는 경우에는 시스템을 구성하는 타유닛들의영향으로인해기대이하의효율성을보이게된다. 따라서본논문에서는이와같은테스트환경대한ART 적용 방법의 하나로, 테스트 대상 유닛에 부여되는 입력 데이터의 분포를 통합 시스템에 대한 제한된 수의 입력을 사용하여 예측하 고, 이를 바탕으로 시스템의 입력 도메인 분할 크기를 조절하는 방법을 제안하고 시뮬레이션을 통해 성능을 평가한다. 시뮬레이 션결과, 제안된방법은유닛테스팅에ART를적용했을때와유사한수준의성능으로통합시스템내의특정유닛을테스트 가능하도록 하며, 오류 비율의 변화가 ART의 성능에 미치는 영향 또한 1% 이내 수준으로 안정임을 확인하였다.

Adaptive Random Testing (ART) aims to enhance the performance of pure random testing by detecting failure region in a software. The ART algorithm generates effective test cases which requires less number of test cases than that of pure random testing. However, all ART algorithms currently proposed are designed for the tests of monolithic system or unit level. In case of integrated system tests, ART approaches do not achieve same performances as those of ARTs applied to the unit or monolithic system. In this paper, we propose an extended ART algorithm which can be applied to the integrated system testing environment without degradation of performance. The proposed approach investigates an input distribution of the unit under a test with limited number of seed input data and generates information to be used to resizing input domain partitions. The simulation results show that our approach in an integration environment could achieve similar level of performance as an ART is applied to a unit testing. Results also show resilient effectiveness for various failure rates.