一种基于物联网的数据测试方法及系统与流程

本技术涉及物联网，具体而言，涉及一种基于物联网的数据测试方法及系统。

背景技术：

1、物联网的应用场景非常多样化，可以涉及到从家庭自动化到智能城市等各个领域，物联网测试是确保物联网设备、系统和应用程序高质量运行的关键环节。通过严格的测试和验证，可以保证物联网设备的可靠性，从而为用户提供更好的体验和服务。在相关技术的物联网数据测试过程中，通常是结合单向维度的数据进行功能测试，此种方案下的物联网功能数据测试的可靠性不高。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种基于物联网的数据测试方法及系统。

2、依据本技术的第一方面，提供一种基于物联网的数据测试方法，应用于基于物联网的数据测试系统，所述方法包括：

3、获取目标物联网测试功能数据，所述目标物联网测试功能数据包括前端测试功能数据和后端测试功能数据；

4、解析所述前端测试功能数据中的目标异常交互活动，并确定所述目标异常交互活动中目标前端交互项目的交互错误标签，基于所述目标前端交互项目的交互错误标签确定所述目标物联网测试功能数据对应的第一功能测试评价向量；

5、解析所述前端测试功能数据中的功能崩溃活动，通过设定功能崩溃知识库校验所述功能崩溃活动，生成所述目标物联网测试功能数据对应的第二功能测试评价向量；

6、将所述后端测试功能数据加载到代码运行异常预测网络中进行代码运行异常预测，生成代码运行异常概率分布，基于所述代码运行异常概率分布得到所述目标物联网测试功能数据对应的第三功能测试评价向量；

7、依据所述第一功能测试评价向量、所述第二功能测试评价向量和所述第三功能测试评价向量确定所述目标物联网测试功能数据对应的数据测试报告。

8、在第一方面的一种可能的实施方式中，所述解析所述前端测试功能数据中的目标异常交互活动，并确定所述目标异常交互活动中目标前端交互项目的交互错误标签，基于所述目标前端交互项目的交互错误标签确定所述目标物联网测试功能数据对应的第一功能测试评价向量，包括：

9、将所述前端测试功能数据加载到前端交互测试网络中，所述前端交互测试网络包括目标异常交互活动提取单元和目标交互错误预测单元；

10、基于所述目标异常交互活动提取单元检测所述前端测试功能数据，生成所述目标异常交互活动；

11、将所述目标异常交互活动加载到所述目标交互错误预测单元中进行预测，生成所述目标异常交互活动中所述目标前端交互项目的交互错误标签；

12、将所述目标前端交互项目的交互错误标签与预设功能测试需求标签进行校验，当校验通过时，生成所述目标物联网测试功能数据对应的第一功能测试评价向量为第一积极评价向量；

13、当校验未通过时，生成所述目标物联网测试功能数据对应的第一功能测试评价向量为第一消极评价向量。

14、在第一方面的一种可能的实施方式中，所述将所述目标异常交互活动加载到所述目标交互错误预测单元中进行预测，生成所述目标异常交互活动中所述目标前端交互项目的交互错误标签，包括：

15、依据所述目标交互错误预测单元计算所述目标异常交互活动的交互时效性向量、交互冗余性向量和交互适配性向量；

16、将所述交互冗余性向量、交互适配性向量和交互时效性向量进行融合，基于融合向量进行启发式搜索，基于启发式搜索结果进行交互错误标签预测确定所述目标异常交互活动中所述目标前端交互项目的交互错误标签。

17、在第一方面的一种可能的实施方式中，所述目标异常交互活动提取单元通过以下步骤训练生成：

18、获取携带样本异常交互活动的样本测试功能数据；

19、将所述样本异常交互活动的样本测试功能数据加载到初始目标异常交互活动提取单元中提取，生成初始目标异常交互活动；

20、计算所述初始目标异常交互活动与所述样本异常交互活动的区别异常交互数据，基于所述区别异常交互数据优化所述初始目标异常交互活动提取单元中的权重信息，直到所述区别异常交互数据收敛，生成完成训练的目标异常交互活动提取单元。

21、在第一方面的一种可能的实施方式中，所述目标交互错误预测单元通过以下步骤训练生成：

22、获取携带样本异常交互活动的样本测试功能数据，从所述样本测试功能数据中解析所述样本异常交互活动，并获取所述样本异常交互活动对应的样本交互错误标签；

23、将所述样本异常交互活动加载到初始目标交互错误预测单元中进行预测，生成输出的交互错误标签置信度分布，基于所述交互错误标签置信度分布得到训练交互错误标签；

24、计算所述样本交互错误标签与所述训练交互错误标签的交互错误标签区别数据，依据所述交互错误标签区别数据优化所述初始目标交互错误预测单元中的权重信息，直到所述交互错误标签区别数据收敛时，生成完成训练的目标交互错误预测单元。

25、在第一方面的一种可能的实施方式中，所述解析所述前端测试功能数据中的功能崩溃活动，通过设定功能崩溃知识库校验所述功能崩溃活动，生成所述目标物联网测试功能数据对应的第二功能测试评价向量，包括：

26、通过功能崩溃ai识别网络解析所述前端测试功能数据中的功能崩溃活动，将所述功能崩溃活动进行崩溃知识实体拆分，生成各个崩溃知识实体；

27、将所述各个崩溃知识实体与所述设定功能崩溃知识库中的模板测试需求实体进行校验；

28、当校验通过时，生成所述目标物联网测试功能数据对应的第二功能测试评价向量为第二积极评价向量；

29、当校验未通过时，生成所述目标物联网测试功能数据对应的第二功能测试评价向量为第二消极评价向量。

30、在第一方面的一种可能的实施方式中，所述设定功能崩溃知识库通过以下步骤生成：

31、获取功能测试需求的需求相关字段，基于所述功能测试需求的需求相关字段采集对应的模板崩溃事件数据；

32、对所述模板崩溃事件数据进行崩溃知识实体拆分，生成各个模板崩溃知识实体；

33、计算所述模板崩溃事件数据对应的全局实体数量，并计算所述各个模板崩溃知识实体在所述模板崩溃事件数据中的触发数量；

34、确定所述各个模板崩溃知识实体对应的触发数量与所述全局实体数量的比值，生成所述各个模板崩溃知识实体对应的触发频次；

35、计算所述模板崩溃事件数据对应的全局崩溃事件数量，并计算所述各个模板崩溃知识实体对应的目标崩溃事件数量，所述目标崩溃事件数量是指模板崩溃事件数据中包含有目标模板崩溃知识实体的崩溃事件数量，所述目标模板崩溃知识实体是从所述各个模板崩溃知识实体中选择的；

36、确定所述各个模板崩溃知识实体对应的目标崩溃事件数量与所述全局崩溃事件数量的比值，并计算所述比值的对数，生成所述各个模板崩溃知识实体对应的区分价值；

37、依据所述各个模板崩溃知识实体对应的触发频次和区分价值计算所述各个模板崩溃知识实体的权重值；

38、基于所述各个模板崩溃知识实体的权重值选取目标数量的模板崩溃知识实体作为模板测试需求实体，并将所述模板测试需求实体添加到测试需求实体集合中，生成所述设定功能崩溃知识库。

39、在第一方面的一种可能的实施方式中，所述代码运行异常预测网络通过以下步骤训练生成：

40、获取样本后端测试功能数据和对应的代码运行异常标注数据；

41、将所述样本后端测试功能数据作为输入，将所述代码运行异常标注数据作为标签对深度学习模型进行训练，生成所述代码运行异常预测网络。

42、在第一方面的一种可能的实施方式中，依据所述第一功能测试评价向量、所述第二功能测试评价向量和所述第三功能测试评价向量确定所述目标物联网测试功能数据对应的数据测试报告，包括：

43、将所述第一功能测试评价向量、所述第二功能测试评价向量和所述第三功能测试评价向量进行融合，生成融合功能测试评价向量，将融合功能测试评价向量加载到物联网功能上线决策网络中进行物联网功能上线决策，生成所述目标物联网测试功能数据对应的数据测试报告；

44、所述功能测试评价向量包括消极评价向量和积极评价向量；

45、依据所述第一功能测试评价向量、所述第二功能测试评价向量和所述第三功能测试评价向量确定所述目标物联网测试功能数据对应的数据测试报告，包括：

46、将所述第一功能测试评价向量、所述第二功能测试评价向量和所述第三功能测试评价向量与所述积极评价向量进行校验，计算校验通过的功能测试评价向量数量；

47、当所述功能测试评价向量数量大于设定数量时，生成所述目标物联网测试功能数据对应的数据测试报告为测试通过，当所述功能测试评价向量数量未大于设定数量时，生成所述目标物联网测试功能数据对应的数据测试报告为测试不通过。

48、依据本技术的第二方面，提供一种基于物联网的数据测试系统，所述基于物联网的数据测试系统包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该基于物联网的数据测试系统实现前述的基于物联网的数据测试方法。

49、依据本技术的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行时，实现前述的基于物联网的数据测试方法。

50、依据上述任意一个方面，本技术中，通过挖掘前端测试功能数据目标异常交互活动中的目标前端交互项目的交互错误标签，基于目标前端交互项目的交互错误标签确定第一功能测试评价向量，并基于前端测试功能数据中的功能崩溃活动通过设定功能崩溃知识库得到第二功能测试评价向量，同时将后端测试功能数据进行代码运行异常预测，基于代码运行异常概率分布得到第三功能测试评价向量，然后基于第一功能测试评价向量、第二功能测试评价向量和第三功能测试评价向量确定目标物联网测试功能数据对应的数据测试报告，也即通过结合不同维度的数据生成对应的功能测试评价向量，然后基于不同的功能测试评价向量确定目标物联网测试功能数据对应的数据测试报告，提高物联网功能数据测试的可靠性。