• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.611-613
• /
• 1999

테스터의 간섭없이 테스트를 수행할 수 있는 새로운 테스트 도구인 테스트 에이전트 시스템을 구현하였다. 이 시스템에서 테스터는 테스터 이름, 테스트 시간을 입력하고, 테스트 대상을 선택 후, 그 밖에 테스트에 필요한 정보를 입력하고 나면 테스트 에이전트 시스템이 스스로 테스트를 수행한 후 각 테스트 레벨에 대한 테스트 항목의 테스트케이스와 Quality 측정치를 테스트결과로 받아 볼 수 있다. 이 테스트 에이전트 시스템은 3개의 에이전트로 구성이 되어 있고 각 에이전트들은 에이전트의 특성인 자율성, 사회성, 지능성을 가지고 있다. 특히 지능성을 나타내 주는 것을 규칙 기반 시스템을 이용하여 구현하였다. 'User Interface Agent'에는 '리그래션 테스트 대상 판단 규칙'과 'Test History 크기 관리 규칙'이 있고, 'Test Case Selection '||'&'||' Testing Agent'에는 테스트케이스를 선택하는 데에 적용하는 '중복성 제거 규칙'과 '일관성 있는 테스트케이스 선택 규칙'이 있다. "Regression Test Agent'에서는 리그래션 테스트 관련 항목 찾는 규칙'이 있어 각 에이전트들의 지능성을 뒷받침해 준다. 본 논문에서는 각 규칙들을 술어 논리로 표현하여 제시하였고, 구현한 테스트 에이전트 시스템의 Prototype을 기술한다.

• Journal of KIISE:Software and Applications
• /
• v.27 no.11
• /
• pp.1106-1114
• /
• 2000

컴퓨터 분야에서 에이전트의 개념은 전자 상거래, 정보 검색과 같은 많은 어플리케이션들에 응용되어 중요 시 되고 있다. 하지만, 아직까지 지능성을 가진 테스트 도구는 없었다. 이 논문에서 제안하는 테스트 에이전트 시스템은 에이전트의 특성을 가지고 테스터를 도와주는 테스트 도구이다. 테스트 에이전트 시스템은 객체지향 테스트 프로세스를 따라 테스터의 일을 대행해 주고, 테스터의 간섭을 최소화 시켜 준다. 이 시스템은 자동 생성된 많은 양의 테스트케이스에서 중복이 없고 일관성 있는 테스트케이스를 지능적으로 선택하여 테스트 시간을 단축시켜 준다. 테스트 에이전트 시스템은 3개의 에이전트 User Interface Agent, Test Case Selection & Testing Agent, Regression Test Agent로 구성된다. 특히 Test Case Selection & Testing Agent은 RE-Rule과 CTS-Rule을 통하여 중복이 없고 일관성 있는 테스트케이스를 지능적으로 선택하며, Regression Test Agent는 RRTIS-Rule을 통해 리그래션 테스트 항목을 지능적으로 선택한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.346-348
• /
• 2005

소프트웨어를 동적으로 테스트 하려면 대상 소프트웨어에 적절한 데이터를 주어 실행해 보아야 한다. 효과적인 테스트가 되기 위해서 테스트 케이스의 선택뿐만 아니라 테스트 케이스가 어떻게 표현되었는가가 중요하다. 또한 정적인 테스트 작업에도 테스트를 위한 체크리스트가 어떻게 작성되었는지에 따라 테스트 작업의 효율성이 좌우된다. 이 논문에서는 비효율적이며 문제가 있는 테스트 케이스와 체크 리스트들을 리엔지니어링하는 방법을 제시하고 이를 실험 하였다. 임베디드 시스템의 일종인 디지털 방송수신 장치에 탑재된 소프트웨어를 대상으로 하여 이미 사용 중인 테스트 케이스의 효율성과 적합성을 따져보고 이를 리엔지니어링 하였다. 리엔지니어링 한 후의 테스트 케이스의 산출물이 얼마나 효과적인지를 살펴보았다. 또한 제품 계열 개념의 소프트웨어를 테스트하기에 적합하도록 테스트 케이스를 재사용 또는 restructuring하는 방법도 연구하였다.

• The KIPS Transactions:PartD
• /
• v.13D no.4 s.107
• /
• pp.573-582
• /
• 2006

Black-box testing needs to prepare fitting test data, execute software, and examine the result. If we test software effectively, not only selecting test cases but also representing test cases are important. In static testing effectiveness of testing activities also depends on how to represent test cases and checklist to validate. This paper suggests a method for finding ineffective critical test cases and reengineering them. An experiment of reengineering digital set-top box software shows the process and results of checking effectiveness and conformance of current test cases and patching test cases. The result shows how much save the test time and improve test coverage by reengineering test cases. Methods of reuse and restructuring test cases are also studied to fit into embedded product-line software.

• The KIPS Transactions:PartD
• /
• v.16D no.4
• /
• pp.517-526
• /
• 2009

It is possible to indicate the complex design and execution of object-oriented program with dynamic UML diagram. This paper shows the way how to make several test cases from sequence, state, and activity diagram among dynamic UML diagram. Three dynamic UML diagrams about withdrawal work of ATM simulation program are drawn. Then different test cases are created from these diagrams using previously described ways. To evaluate effectiveness of test cases, mutation testing is executed. Mutants are made from MuClipse plug-in tool based on Eclipse which supports many traditional and class mutation operators. Finally we've got the result of mutation testing and compare effectiveness of test cases, etc. Through this document, we've known some hints that how to choose the way of making test cases.

• The KIPS Transactions:PartD
• /
• v.15D no.4
• /
• pp.531-540
• /
• 2008

An Adaptive Random Testing(ART) is one of test case generation algorithms, which was designed to get better performance in terms of fault-detection capability than that of Random Testing(RT) algorithm by locating test cases in evenly spreaded area. Two ART algorithms, such as Distance-based ART(D-ART) and Restricted Random Testing(RRT), had been indicated that they have significant drawbacks in computations, i.e., consuming quadratic order of runtime. To reduce the amount of computations of D-ART and RRT, iterative partitioning of input domain strategy was proposed. They achieved, to some extent, the moderate computation cost with relatively high performance of fault detection. Those algorithms, however, have yet the patterns of non-uniform distribution in test cases, which obstructs the scalability. In this paper we analyze the distribution of test cases in an iterative partitioning strategy, and propose a new method of input domain enlargement which makes the test cases get much evenly distributed. The simulation results show that the proposed one has about 3 percent of improvement in terms of mean relative F-measure for 2-dimension input domain, and shows 10 percent improvement for 3-dimension space.

• The Transactions of the Korea Information Processing Society
• /
• v.6 no.12
• /
• pp.3523-3529
• /
• 1999

In this paper, we propose an improved regression testing method, which use method as the basic unit of changing. The testing method consists of three steps. We represent the relationship of classes using the notation of UML(Unified Modeling Language), find the nodes of the modified methods and affected methods by node analysis, and then select changed test cases from the original test cases. The proposed object-oriented regression testing method can reduce the number of test cases, testing time and cost through reuse of test cases.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.24 no.5
• /
• pp.77-82
• /
• 2024

The test set of machine learning consists of the remaining data that did not participate as training data. It is quantitative division and it is setting aside a certain amount of data which has the same effect as random selection. However from a software testing perspective, test cases sufficient to catch errors are selected as a test set rather than a random selection. This is called the adequacy of the test case, and the higher the adequacy, the better the test case is selected. We want to examine whether the test cases used in machine learning are sufficient from this perspective by comparing them with the equivalence split method of software testing. If higher sufficiency is guaranteed when applying a software test design technique, that is, equivalence splitting, high effectiveness can be achieved with a small number of test sets. This reduces the size of the test set, thereby increasing the size of the training data set and ultimately securing more data to learn. It can be expected that more sophisticated models can be built with larger training data sets.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1891_1892
• /
• 2009

정밀한 소프트웨어 테스팅에서 테스트 케이스의 생성과 테스트 수행 작업은 많은 시간과 노력을 필요로 한다. 따라서 경험 있는 테스터 들은 적은 수의 테스트 케이스를 선택적으로 사용하여 보다 정확한 테스트를 수행할 수 있기를 요구한다. 테스트 케이스의 수를 줄이기 위해 수많은 연구가 진행되었다. 소프트웨어 테스팅에서 가장 기본이 되는 테스트는 단위 테스트이다. 본 논문에서는 블랙박스 테스팅에 사용되는 잘 알려진 테스트 후보 값 생성 및 조합 기법에 관한 기존 연구를 살펴보고 성능을 비교해 본다. 성능 비교를 위해 몇몇 예제 코드를 실험적으로 이용하였다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.45 no.5
• /
• pp.180-191
• /
• 2008

An Adaptive Random Testing (ART) is one of test case generation algorithms that are designed to detect common failure patterns within input domain. The ART algorithm shows better performance than that of pure Random Testing (RT). Distance-bases ART (D-ART) and Restriction Random Testing (RRT) are well known examples of ART algorithms which are reported to have good performances. But significant drawbacks are observed as quadratic runtime and non-uniform distribution of test case. They are mainly caused by a huge amount of distance computations to generate test case which are distance based method. ART through Iterative Partitioning (IP-ART) significantly reduces the amount of computation of D-ART and RRT with iterative partitioning of input domain. However, non-uniform distribution of test case still exists, which play a role of obstacle to develop a scalable algerian. In this paper we propose a new ART method which mitigates the drawback of IP-ART while achieving improved fault-detection capability. Simulation results show that the proposed one has about 9 percent of improved F-measures with respect to other algorithms.