本发明专利技术实施例提供异常测试用例生成方法、装置、电子设备和存储介质，该方法包括：接收用户输入的测试信息，确定测试信息所属的目标类型，从多个异常测试用例生成模型中，确定属于目标类型的目标模型，将测试信息输入目标模型，生成测试信息对应的目标异常测试用例。本发明专利技术实施例基于不同类型的异常测试用例样本进行训练得到各个异常测试用例生成模型，所以采用与测试信息的类型匹配的目标模型，可以生成测试信息对应的目标异常测试用例，由此解决了异常测试用例编写不全，减少了对经验丰富测试人员的依赖，满足了敏捷迭代模式下快速版本验证的挑战，优化资源配置、改进测试技术，提高了测试覆盖率和稳定性，提升测试效率和质量。提升测试效率和质量。提升测试效率和质量。
【技术实现步骤摘要】
异常测试用例生成方法、装置、电子设备和存储介质
[0001]本专利技术涉及软件测试
，特别涉及一种异常测试用例生成方法、一种异常测试用例生成装置、一种电子设备和一种计算机可读存储介质。
技术介绍
[0002]随着互联网技术的广泛应用，软件产品规模增大，客户数量增多，生产机器的数量也随之增加。我们无法预料每台机器和每个应用可能出现的异常情况，因此异常测试越来越受到关注。异常测试的覆盖率依赖于异常测试用例的设计，异常测试用例是指用于检测软件系统对异常情况处理所编写的测试用例。
[0003]传统的测试方法，主要依靠人工经验来编写测试用例，由于测试人员经验不同，所编写的测试用例具有很高的主观性，致使测试用例参差不齐，因此人员变动情况越大，质量抖动就越大，测试覆盖率和稳定性就越得不到保证。其次，开发和测试协同困难，需要依赖开发对软件系统进行详细的分析，致使效率低下，且分析的信息十分有限、不够全面。再者，敏捷迭代的项目对测试要求越来越高，传统的人工编写用例无法迭代复用，无法产生持续价值。最后，采用分布式/微服务架构的软件系统越来越复杂，测试的挑战性越来越大，使用传统的测试方法，系统的质量难以保证。
技术实现思路
[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的异常测试用例生成方法。
[0005]本专利技术实施例还提供了一种异常测试用例生成装置、电子设备和存储介质，以保证上述方法的实施。
[0006]为了解决上述问题，本专利技术实施例公开了一种异常测试用例生成方法，应用于测试系统，所述测试系统包括多个异常测试用例生成模型，各个异常测试用例生成模型为针对相应类型的异常测试用例样本进行训练得到，所述方法包括：
[0007]接收用户输入的测试信息；
[0008]确定所述测试信息所属的目标类型；
[0009]从所述多个异常测试用例生成模型中，确定属于所述目标类型的目标模型；
[0010]将所述测试信息输入所述目标模型，生成所述测试信息对应的目标异常测试用例；所述目标异常测试用例通过所述目标模型针对所述测试信息进行处理得到。
[0011]可选地，所述测试系统还包括针对所述各个异常测试用例生成模型所配置的各个关键词库；所述确定所述测试信息所属的目标类型，包括：
[0012]提取所述测试信息的目标关键词；
[0013]从所述各个关键词库中，确定与所述目标关键词匹配的关键词库；
[0014]根据所述匹配的关键词库，确定所述测试信息所属的目标类型。
[0015]可选地，所述各个关键词库具有对应的类型；所述根据所述匹配的关键词库，确定
所述测试信息所属的目标类型，包括：
[0016]将所述匹配的关键词库所对应的类型，确定为所述测试信息所属的目标类型；所述目标类型包括业务场景类型、用户操作类型、应用系统类型、依赖服务类型中的其中一种。
[0017]可选地，所述测试信息包括正常条件的测试因子；所述将所述测试信息输入所述目标模型，生成所述测试信息对应的目标异常测试用例，包括：
[0018]将所述测试信息输入所述目标模型；
[0019]通过所述目标模型根据所述测试因子的正常条件，确定所述测试因子的异常条件；
[0020]通过所述目标模型根据所述异常条件的测试因子，确定对应的预期结果；
[0021]通过所述目标模型依据所述异常条件的测试因子和所述预期结果，生成所述测试信息对应的目标异常测试用例。
[0022]可选地，所述异常测试用例生成模型通过如下方式训练得到：
[0023]获取多个异常测试用例样本；
[0024]对所述多个异常测试用例样本进行分类，获得不同类型的第一训练样本；
[0025]分别对所述不同类型的第一训练样本进行预处理，获得不同类型的第二训练样本；
[0026]针对所述不同类型的第二训练样本，分别选取具有预设特征的异常测试用例样本，获得不同类型的第三训练样本；所述预设特征包括清晰的描述和明确的预期结果；
[0027]分别将所述不同类型的第三训练样本输入至相应的异常测试用例生成模型中进行训练。
[0028]可选地，所述对所述多个异常测试用例样本进行分类，包括：
[0029]按照业务场景类型、用户操作类型、应用系统类型、依赖服务类型，对所述多个异常测试用例样本进行分类。
[0030]可选地，所述分别对所述不同类型的第一训练样本进行预处理，包括：
[0031]分别对所述不同类型的第一训练样本进行缺失值处理、异常值处理、样本不均衡处理、特征标准化处理和离散特征编码。
[0032]本专利技术实施例还公开了一种异常测试用例生成装置，应用于测试系统，所述测试系统包括多个异常测试用例生成模型，各个异常测试用例生成模型为针对相应类型的异常测试用例样本进行训练得到，所述装置包括：
[0033]测试信息接收模块，用于接收用户输入的测试信息；
[0034]目标类型确定模块，用于确定所述测试信息所属的目标类型；
[0035]目标模型确定模块，用于从所述多个异常测试用例生成模型中，确定属于所述目标类型的目标模型；
[0036]目标异常测试用例生成模块，用于将所述测试信息输入所述目标模型，生成所述测试信息对应的目标异常测试用例；所述目标异常测试用例通过所述目标模型针对所述测试信息进行处理得到。
[0037]可选地，所述测试系统还包括针对所述各个异常测试用例生成模型所配置的各个关键词库；所述目标类型确定模块包括：
[0038]目标关键词提取子模块，用于提取所述测试信息的目标关键词；
[0039]匹配子模块，用于从所述各个关键词库中，确定与所述目标关键词匹配的关键词库；
[0040]目标类型确定子模块，用于根据所述匹配的关键词库，确定所述测试信息所属的目标类型。
[0041]可选地，所述各个关键词库具有对应的类型；所述目标类型确定子模块包括：
[0042]目标类型确定单元，用于将所述匹配的关键词库所对应的类型，确定为所述测试信息所属的目标类型；所述目标类型包括业务场景类型、用户操作类型、应用系统类型、依赖服务类型中的其中一种。
[0043]可选地，所述测试信息包括正常条件的测试因子；所述目标异常测试用例生成模块包括：
[0044]输入子模块，用于将所述测试信息输入所述目标模型；
[0045]异常条件确定子模块，用于通过所述目标模型根据所述测试因子的正常条件，确定所述测试因子的异常条件；
[0046]预期结果确定子模块，用于通过所述目标模型根据所述异常条件的测试因子，确定对应的预期结果；
[0047]目标异常测试用例生成子模块，用于通过所述目标模型依据所述异常条件的测试因子和所述预期结果，生成所述测试信息对应的目标异常测试用例。
[0048]可选地，所述异常测试用例生成模型通过如下模块训练得到：...
【技术保护点】
【技术特征摘要】
1.一种异常测试用例生成方法，其特征在于，应用于测试系统，所述测试系统包括多个异常测试用例生成模型，各个异常测试用例生成模型为针对相应类型的异常测试用例样本进行训练得到，所述方法包括：接收用户输入的测试信息；确定所述测试信息所属的目标类型；从所述多个异常测试用例生成模型中，确定属于所述目标类型的目标模型；将所述测试信息输入所述目标模型，生成所述测试信息对应的目标异常测试用例；所述目标异常测试用例通过所述目标模型针对所述测试信息进行处理得到。2.根据权利要求1所述的方法，其特征在于，所述测试系统还包括针对所述各个异常测试用例生成模型所配置的各个关键词库；所述确定所述测试信息所属的目标类型，包括：提取所述测试信息的目标关键词；从所述各个关键词库中，确定与所述目标关键词匹配的关键词库；根据所述匹配的关键词库，确定所述测试信息所属的目标类型。3.根据权利要求2所述的方法，其特征在于，所述各个关键词库具有对应的类型；所述根据所述匹配的关键词库，确定所述测试信息所属的目标类型，包括：将所述匹配的关键词库所对应的类型，确定为所述测试信息所属的目标类型；所述目标类型包括业务场景类型、用户操作类型、应用系统类型、依赖服务类型中的其中一种。4.根据权利要求1所述的方法，其特征在于，所述测试信息包括正常条件的测试因子；所述将所述测试信息输入所述目标模型，生成所述测试信息对应的目标异常测试用例，包括：将所述测试信息输入所述目标模型；通过所述目标模型根据所述测试因子的正常条件，确定所述测试因子的异常条件；通过所述目标模型根据所述异常条件的测试因子，确定对应的预期结果；通过所述目标模型依据所述异常条件的测试因子和所述预期结果，生成所述测试信息对应的目标异常测试用例。5.根据权利要求1所述的方法，其特征在于，所述异常测试用例生成模型通过如下方式训练得到：获取多个异常测试用例样本；对所述多个异常测试用例样本进行分类，获得不同类型的第一...
【专利技术属性】
技术研发人员：宗晓艳，李丽萍，李娟珍，郑颂武，李草，李翰琳，
申请(专利权)人：中国民生银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。