本書榮登「天瓏2023年度中文百大暢銷書」 

推薦給正在準備就業或出國留學的資訊系大學生 

本成果榮獲國際知名軟體測試公司Katalon、Smart Bear、Qualys、Autify採用

本成果榮獲Chrome Web Store【精選商品】徽章

我試著構築一些常見的軟體測試模型、觀念、方法間的關係，透過一張關聯圖來呈現(如下圖)，希望能為測試新手快速建構這些觀念的關聯。發表於 Facebook，投影片：https://reurl.cc/QZ2GL9

推薦測試新手觀看

網頁視覺基準測試為比較一個版本的網頁與另一個基準版本，檢查是否差異之處，可用於改版的回歸測試以及跨瀏覽器測試。然而，若網頁中存在「動態內容」（如廣告和新聞），則容易讓判定失效。在此研究中，我們提出了一種基於孿生網絡的比較方法，通過比較由兩個版本網頁的視覺結構來檢測視覺差異。該方法能夠允許動態內容的存在與適應輕微的元素偏移。我們還與結構相似性（SSIM）和多尺度結構相似性（MS-SSIM）方法進行了比較與討論。

在網頁上並不是兩段文字重疊就一定是錯誤的，例如有時文字重疊搭配背景半透明反而能設計出一種視覺質感，因此重點在於要能偵測出真正對使用者視覺上不適的那些文字重疊情形，提供給開發者進行修正。為解決此問題，我們提出了一種利用卷積神經網絡（CNN）基礎來檢測視覺上有干擾的文字重疊。該方法包括分析網頁的 DOM 樹，截取潛在重疊區域的螢幕截圖，標記這些實例以構建數據集，並訓練 CNN 模型。實驗結果顯示，該方法以 0.864 的精確率和 0.859 的召回率有效檢測視覺上有干擾的重疊。

本研究提出一個以反應時間為導向的基因演算法(GA)突變方法，在黑盒設定下找出Web API的效能延遲。我們的方法不同於傳統的隨機輸入產生，而是利用GA經由交配與突變精煉出輸入，並且以反應時間為導向決定適合度。我們提出兩種種子產生的方式：運用成對獨立組合測試(PICT)以及隨機成對。實驗中我們和亂數突變進行比較，在5個真實世界的Web API上實驗顯示，我們的方法明顯優於傳統亂數突變，能找出造成Web API反應時間為1.5至26.3倍多的輸入。此外，在5個API中有2個API中，PICT產生的種子展示了較佳的效能。

Model-Based Testing (MBT)的主戰場是Embedded Software，而其中一種常見的模型為Timed Automata，可用來模塑軟體暴露於Physical Enviroment的Time、Event與Concurrent特性，而此類MBT於業界採用的企業痛點為(1)人工建模，與(2)建模後的模型驗證(人工給定Properties)。在此研究中針對第二項痛點，我們透過一個真實案例來探討LLM是否可以協助人類生成Property，實驗結果令人興奮，LLM不僅可以生成人類部分想得到的Property，亦可以生成人類未列出的Property，但可惜對於生成出的Property相應的UPPAAL Logical Formula語法錯誤率仍高，需要人工進行修正。

測試Query-Based Systems時，由於缺乏用於驗證的Ground Truth以及所需耗費的時間和人力而帶來挑戰。本研究針對這些挑戰提出一個方法，協助測試者找出用於Metamorphic Testing (MT)的輸入轉換規則Metamorphic Relation (MR)，而非僅仰賴龐雜的領域知識。此方法可協助測試者，透過提示描述輸入與輸出之間的關係MR，使其在預期關係未被滿足時得以偵測錯誤。有別於傳統的測試方式，此方法不仰賴預先定義的測試案例或具體的Ground Truth，因而適合用於實際世界的QBS測試。

Selenium IDE在第2代時並無Autowait機制，在2017年我們團隊提出Autowait概念並發展出一個評估方法，讓E2E測試更加順利流暢，準確評估指令間轉換需自動停等的時間，此方法也運行在第3代Selenium IDE中，而現今測試工具如Playwright也支援Autowait概念。

此技術TAC已整合入Rapi Recorder，被許多國內外業界測試人員採用，此技術目前未公開，為國外業界最常來信詢問的技術。

In this paper, we propose an approach to predicting volume of co-changing code affected by a method to be modified. The approach has the following key features: co-changing methods can be identified for detecting divergent changes and shotgun surgeries based on association rules mined from change histories; and volume of co-changing code affected by a method to be modified can be predicted through a derived fitted regression line with t-test based on the co-changing methods identification results. 

The proposed power model estimates the energy consumption of an OSGi service asynchronously invoked in a multithreading environment on the basis of the overall remaining battery energy information at runtime without a connected power meter or energy profile for for each specific hardware component of different devices. On the basis of the power model, an offloading decision model is proposed to dynamically determine whether a service invocation should be offloaded to a nearby mobile device over Bluetooth to conserve energy.