Модель системи автоматизованого навантажувального тестування програмних застосунків із використанням методів штучного інтелекту
Open Access
- 28 March 2025
- journal article
- Published by Ukrainian State University of Railway Transport in Інформаційно-керуючі системи на залізничному транспорті
- Vol. 30 (1) , 47-58
Abstract
Стаття присвячена розробленню моделі системи автоматизованого навантажувального тестування програмних застосунків із використанням методів штучного інтелекту, пропонуючи інноваційний підхід для підвищення ефективності тестування програмного забезпечення в умовах динамічного розвитку сучасних технологій. Метою роботи є розроблення моделі системи автоматизованого навантажувального тестування програмних застосунків. Дослідницькою складовою в запропонованій системі є оцінювання ефективності використання методів штучного інтелекту для розпізнавання реєстраційних форм, що може призвести до скорочення часових і ресурсних затрат, а також забезпечити високу точність і надійність результатів. У роботі досліджено застосування згорткових нейронних мереж (CNN) для розпізнавання форм на основі зображень та оптичного розпізнавання символів (OCR) для аналізу тексту, що дає змогу автоматично ідентифікувати типи вебформ, таких як логін чи реєстрація, для автоматичної генерації в подальших дослідженнях тестових даних за отриманими розпізнаними формами та проведення навантажувального тестування засобами Apache JMeter. Результати демонструють, що CNN досягає точності до 92 % з розпізнаванням складних реєстраційних форм, хоча і з певними коливаннями під час валідації, тоді як OCR виявляється ефективнішим для простих форм логіна з точністю 88.9 %. Інтеграція моделі з JMeter сприяє автоматичному створенню тестових сценаріїв і підвищенню якості тестування. Отримані результати підтверджують ефективність розробленої методики, що дає змогу суттєво зменшити трудовитрати і підвищити якість навантажувального тестування. Запропонований підхід має перспективи подальшого розвитку, зокрема вдосконалення алгоритмів розпізнавання та розширення застосування для різних типів програмних інтерфейсів.Keywords
This publication has 6 references indexed in Scilit:
- AI-POWERED TEST AUTOMATION FRAMEWORKS: CHOOSING THE RIGHT TOOLS2025
- Evaluating the Conformity to Types of Unified Modeling Language Diagrams with Feature-Based Neural NetworksApplied Sciences, 2024
- Analytical Evaluation of Web Performance Testing Tools: Apache JMeter and SoapUI2023
- Applications of AI in classical software engineeringAI Perspectives, 2020
- A Critical Analysis of Software Testing ToolsJournal of Physics: Conference Series, 2019
- Load Testing for Web Applications2009