Skip to main content

지능형 테스트 자동화 및 최적화

개요​

소프트웨어 규모가 커질수록 수동 테스팅만으로는 한계가 있습니다. STLAB은 AI 및 머신러닝을 활용하여 테스트 케이스 생성, 결함 예측, 테스트 우선순위화를 자동화하는 기술을 연구합니다.

세부 연구 주제​

1. AI 기반 테스트 케이스 자동 생성​

  • 코드 구조 분석 기반 테스트 입력값 자동 생성
  • Concolic Testing (구체 실행 + 기호 실행 결합) 기법
  • 대규모 코드베이스에서의 경로 탐색 최적화

2. 결함 예측 및 우선순위화​

  • 머신러닝 모델을 활용한 결함 발생 가능 코드 영역 예측
  • 히스토리 데이터 기반 회귀 테스트 최적화
  • CI/CD 파이프라인 통합 자동화 테스팅

3. 게임 소프트웨어 테스팅 자동화​

  • Unity 기반 플랫폼 게임의 테스트 자동화 프레임워크 설계
  • 이벤트 기반 게임 로직 검증
  • UI 테스트 자동화

4. AI 모델 품질 검증​

  • 머신러닝 모델의 신뢰성 및 정확도 평가
  • 섬유 소재 물성 예측 AI 모델 테스팅 (Dyetec 협력 과제)
  • 폐플라스틱 재활용 공정 AI 모델 품질 평가

대표 논문​

  • An empirical study of configuration changes and adoption in Android apps
    Journal of Systems and Software, Vol. 156C, pp. 164–180, 2019

  • Concolic Testing 기법을 활용한 프로그래밍 실습 문항의 채점 개선에 관한 연구
    정보과학회논문지, 제46권 제11호, 2019

  • 유니티 기반 플랫폼 게임 테스팅 자동화 도구의 설계
    한국컴퓨터종합학술대회(KCC), 2023

관련 기술 스택​

Python Java JUnit Symbolic Execution Fuzzing ML/DL Unity Test Framework