Luận văn thạc sĩ nghiên cứu ứng dụng một số công cụ kiểm thử có ứng dụng trí tuệ nhân tạo

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

`

Trần Thị Hoan

NGHIÊN CỨU ỨNG DỤNG MỘT SỐ CÔNG CỤ KIỂM
THỬ CĨ ỨNG DỤNG TRÍ TUỆ NHÂN TẠO

LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN
Chuyên ngành: Kỹ thuật phần mềm
Mã số: 8480103.01

Cán bộ hướng dẫn: PGS. TS Trương Anh Hoàng

HÀ NỘI, 2020


LỜI CẢM ƠN
Được sự phân công của Công Nghệ Thông Tin, trường Đại học Công nghệ, dưới sự
hướng dẫn của thầy PGS. TS. Trương Anh Hồng, tơi đã hồn thành luận văn.
Để hồn thành luận văn này tơi xin cảm ơn các Thầy cô trong khoa Công Nghệ Thông
Tin, trường Đại học Cơng nghệ đã nhiệt tình dạy dỗ, cung cấp phương pháp, kiến thức
trong suốt thời gian học tập. Tôi xin chân thành cảm ơn PGS. TS. Trương Anh Hồng đã
tận tình hướng dẫn và chỉ bảo tơi rất nhiều cả về kiến thức cũng như phương pháp làm
việc trong q trình thực hiện và hồn thành đồ án.
Mặc dù đã cố gắng và tích cực trong việc thực hiện luận văn nhưng khơng thể tránh được
những sai sót nhất định, tơi rất mong nhận được sự đóng góp của các thầy cơ và các bạn
đồng nghiệp để hồn chỉnh luận văn và có hướng phát triển hơn nữa.
Tơi xin chân thành cảm ơn.

i


LỜI CAM ĐOAN

Tôi xin cam đoan số liệu và kết quả nghiên cứu trong luận văn này là trung thực và
chưa hề được sử dụng để bảo vệ học vị nào. Mọi sự giúp đỡ trong luận văn này đã được
cảm ơn và các thơng tin trích dẫn trong luận văn đã được chỉ rõ nguồn gốc rõ ràng và
được phép công bố.

Hà Nội, ngày … tháng … năm 2020

Người thực hiện

Trần Thị Hoan

ii


MỤC LỤC
LỜI CẢM ƠN ..................................................................................................................... i
MỤC LỤC ......................................................................................................................... iii
THUẬT NGỮ VIẾT TẮT ................................................................................................. v
DANH MỤC BẢNG ......................................................................................................... vi
DANH MỤC BIỂU ĐỒ .................................................................................................... vi
DANH MỤC SƠ ĐỒ, HÌNH VẼ .................................................................................... vii
LỜI MỞ ĐẦU .................................................................................................................... 1
CHƯƠNG 1. TRÍ TUỆ NHÂN TẠO TRONG KIỂM THỬ PHẦN MỀM TỰ
ĐỘNG

4
1.1. Giới thiệu chung ...................................................................................................... 4
1.2. Xu thế sử dụng học máy trong kiểm thử tự động ................................................ 4
1.3. Huấn luyện học máy trong kiểm thử giao diện tự động ...................................... 8
1.3.1

Huấn luyện học máy: Nhận dạng trạng thái ứng dụng .................................... 8

1.3.2

Huấn luyện học máy: Áp dụng tập đầu vào ..................................................... 9

1.3.3

Thực thi ML: Áp dụng thế giới thật................................................................ 10

1.3.4

Huấn luyện học máy: Xác minh hành vi ........................................................ 10

CHƯƠNG 2. GIỚI THIỆU VỀ CÁC CÔNG CỤ ..................................................... 12
2.1. Applitools ............................................................................................................... 12
2.1.1

Applitools là gì? ............................................................................................. 12

3.1.2 AI trong Applitools ............................................................................................ 13
2.2. Testim.io ................................................................................................................. 14
2.2.1

Testim.io là gì? ............................................................................................... 14

2.2.2

AI trong Testim.io........................................................................................... 15

2.3. TestComplete ......................................................................................................... 16
2.3.1

TestComplete là gì?........................................................................................ 16

2.3.2

AI trong Testcomplete .................................................................................... 16

2.4. Mabl ........................................................................................................................ 17
2.4.1

Mabl là gì? ..................................................................................................... 17

2.4.2

AI trong Mabl ................................................................................................. 17

CHƯƠNG 3. THỰC NGHIỆM .................................................................................. 19
3.1. Phương thức thực nghiệm .................................................................................... 19

iii

3.1.1

Ý tưởng chung ................................................................................................ 19

3.1.2

Môi trường thực hiện ..................................................................................... 19

3.1.3

Quá trình thực hiện ........................................................................................ 22

3.1.4

Nhật ký ca kiểm thử mẫu ................................................................................ 23

3.2. Kiểm tra văn bản ................................................................................................... 28
3.3. Kiểm tra ảnh .......................................................................................................... 29
3.4. Kiểm tra nút ........................................................................................................... 30
3.5. Kiểm tra hộp nhập văn bản .................................................................................. 31
3.6. Kiểm tra hộp lựa chọn .......................................................................................... 33
3.7. Kiểm tra thanh thực đơn ...................................................................................... 34
3.8. Kiểm tra biểu đồ .................................................................................................... 35
3.9. Đánh giá kết quả kiểm thử ................................................................................... 35
3.10.

So sánh các công cụ ........................................................................................ 40

CHƯƠNG 4. KẾT LUẬN ........................................................................................... 43
TÀI LIỆU THAM KHẢO............................................................................................... 45

iv


THUẬT NGỮ VIẾT TẮT
Viết tắt

Tiếng Anh

Tiếng Việt

AI

Artificial intelligence

Trí tuệ nhân tạo

API

Application Programming
Interface

Giao diện lập trình ứng dụng

CD

Continuous Deployment

Phát triển liên tục

CI

Continuous Integration

Tích hợp liên tục

CSS

Cascading Style Sheet

Định kiểu theo tầng

CV

Computer vision

Thị giác máy tính

Document Object Model

Mơ hình đối tượng Tài liệu

Fail

Thất bại

Hypertext Markup Language

Ngôn ngữ đánh dấu siêu văn bản

IDE

Integrated Development
Environment

Mơi trường phát triển tích hợp

ML

Machine learning

Học máy

NA

Not Available

Khơng sẵn sàng

Pass

Thơng qua

P(D)

Pass(Different)

Thơng qua nhưng tìm thấy thay
đổi

PDF

Portable Document Format

Định dạng tài liệu di động

DOM
F
HTML

P

Số thứ tự

STT

v


DANH MỤC BẢNG
Bảng 3.1: Kiểm tra nội dung văn bản ................................................................................ 29
Bảng 3.2: Kiểm tra ảnh ...................................................................................................... 29
Bảng 3.3: Kiểm tra nút ....................................................................................................... 30
Bảng 3.4: Kiểm tra hộp nhập văn bản ............................................................................... 32
Bảng 3.5: Kiểm tra hộp lựa chọn ....................................................................................... 33
Bảng 3.6: Kiểm tra thanh thực đơn .................................................................................... 34
Bảng 3.7: Kiểm tra thanh biểu đồ ...................................................................................... 35
Bảng 3.8: Kết quả tổng số ca ............................................................................................. 36
Bảng 3.9: Kết quả theo loại phần tử .................................................................................. 36
Bảng 3.10: Kết quả theo loại thay đổi ............................................................................... 36

Bảng 3.11: Kết quả tổng số ca theo phần trăm .................................................................. 38
Bảng 3.12: Kết quả loại thay đổi theo phần trăm .............................................................. 38
Bảng 3.13: So sánh các công cụ ........................................................................................ 40

DANH MỤC BIỂU ĐỒ
Biểu đồ 3.1: Kết quả tổng số ca theo phần trăm ................................................................ 37
Biểu đồ 3.2: Kết quả loại phần tử theo phần trăm ............................................................. 39
Biểu đồ 3.3: Kết quả loại thay đổi theo phần trăm ............................................................ 40

vi


DANH MỤC SƠ ĐỒ, HÌNH VẼ
Hình 1.1: Trí tuệ nhân tạo .................................................................................................... 5
Hình 1.2: Xu thế trí tuệ nhân tạo trong kiểm thử tự động ................................................... 5
Hình 1.3: Ví dụ bộ lệnh Selenium ....................................................................................... 6
Hình 1.4: Ví dụ bộ lệnh Applitools...................................................................................... 7
Hình 1.5: Phạm vi nghiên cứu của luận văn ........................................................................ 7
Hình 1.6: Huấn luyện học máy trong kiểm thử tự động ...................................................... 8
Hình 1.7: Ma trận nhầm lẫn ................................................................................................. 9
Hình 2.1: Applitools - hoạt động như thế nào ................................................................... 13
Hình 2.2: Applitools - ví dụ ảnh cơ sở ............................................................................... 14
Hình 2.3: Applitools - ví dụ ảnh kiểm tra .......................................................................... 14
Hình 2.4: Testim.io - bộ định vị thơng minh ..................................................................... 15
Hình 3.1: Trang giao diện chủ ........................................................................................... 19
Hình 3.2: Trang giao diện “Portfolio” ............................................................................... 20
Hình 3.3: Trang giao diện “Book”..................................................................................... 20
Hình 3.4: Trang giao diện “Blog” ..................................................................................... 21
Hình 3.5: Trang giao diện “Join Us” ................................................................................. 21
Hình 3.6: Trang giao diện “About” ................................................................................... 22

Hình 3.7: Giao diện gốc ..................................................................................................... 24
Hình 3.8: Applitools - Kịch bản ca kiểm thử .................................................................... 24
Hình 3.9: Testim.io - Kịch bản ca kiểm thử ...................................................................... 24
Hình 3.10: Testcomplete -Kịch bản ca kiểm thử ............................................................... 25
Hình 3.11: Mabl -Kịch bản ca kiểm thử ............................................................................ 25
Hình 3.12: Giao diện thay đổi ........................................................................................... 26
Hình 3.13: Applitools - Kết quả ca kiểm thử .................................................................... 26
Hình 3.14: Testim.io - Kết quả ca kiểm thử ...................................................................... 27
Hình 3.15: Testcomplete - Kết quả ca kiểm thử ................................................................ 28
Hình 3.16: Mabl - Kết quả ca kiểm thử ............................................................................. 28

vii


LỜI MỞ ĐẦU
Công nghệ đang phát triển với tốc độ cực nhanh và giữ vai trò quan trọng trong cuộc
sống. Trên phạm vi toàn cầu, các doanh nghiệm đang tung ra các ứng dụng được sử dụng
bởi hàng ngàn, hàng triệu người trên nhiều nền tảng khác nhau. Nó địi hỏi các doanh
nghiệp phải cung cấp sản phẩm nhanh và liên tục. Trước mỗi lần ra mắt sản phẩm, những
ứng dụng đó phải được kiểm thử để đảm bảo sự tối ưu, đúng đắn cho người dùng đầu
cuối. Kiểm thử thủ công đang đơn giản dần không đáp ứng được nhu cầu hiện tại. Quá
trình kiểm thử phần mềm cần thông minh hơn, nhanh hơn và tốt hơn.
Các công nghệ hiện tại như trí tuệ nhân tạo, học máy đang ngày càng được áp dụng để
đẩy nhanh quá trình phát triển phần mềm. Việc phát triển phần mềm sử dụng trí tuệ nhân
tạo đang ở giai đoạn khởi đầu. Các cơng cụ kiểm thử dựa vào trí tuệ nhân tạo từ phân tích
mã nguồn sinh ca kiểm thử đơn vị, đến các nền tảng kiểm thử toàn bộ.
Kiểm thử hệ thống dựa vào giao điện đang là xu thế trong bối cảnh của kiểm thử tự động
và nó vẫn là điểm nhức nhối lớn, bởi vì chúng có xu hướng “dễ vỡ, tốn kém để viết, và
tốn thời gian để thực hiện” [1].
Với ca kiểm thử thủ công, người kiểm thử thực hiện các ca kiểm thử lần lượt từng bước

và đưa ra kết luận sau mỗi bước thực hiện. Các ca kiểm thử cần được thực hiện trên tất cả
các giao diện, nền tảng hỗ trợ thủ công. Trong hường hợp các bản vá được cập nhật liên
tục, người kiểm thử cần lặp đi lặp lại ca kiểm thử liên tục.
Với kiểm thử tự động, người kiểm thử tạo ra các lệnh để công cụ thực hiện ca kiểm thử và
so sánh kết quả đầu ra thay vì chạy thủ cơng. Bài tốn chạy ca kiểm thử lặp lại nhiều lần
được giải quyết. Khi giao diện thay đổi phần tử, người kiểm thử cần cập nhật lại các lệnh.
Một vài ca kiểm thử cần thay đổi có thể khơng làm khó người kiểm thử, nhưng khi cần
cập nhật hàng trăm, hàng nghìn ca kiểm thử sẽ là bài tốn về thời gian và độ chính xác.
Bằng sự kết hợp trí tuệ nhân tạo và kiểm thử tự động các bài toán kiểm thử giao diện dần
được giải quyết. Dữ liệu lớn, trí thơng minh máy móc được đào tạo giúp cho các công cụ
kiểm thử tự động thực hiện các ca kiểm thử trên hàng nghìn giao diện, nền tảng trong thời
gian ngắn, đưa ra các quyết luận cuối cùng về ca kiểm thử một cách thông minh như con
người. Các ca kiểm thử được sinh ra, cập nhật tự động phù hợp với hồn cảnh ứng dụng
mà khơng cần người kiểm thử cập nhật các dịng lệnh.
Từ đó, học viên muốn tìm hiểu về ứng dụng của trí tuệ nhân tạo trong kiểm thử tự động
như thế nào và một vài cơng cụ có sử dụng trí tuệ nhân tạo: “Nghiên cứu ứng dụng một số
công cụ kiểm thử có ứng dụng trí tuệ nhân tạo”.
1


Phạm vi nghiên cứu: Trí tuệ nhân tạo và học máy được ứng dụng trong các lĩnh vực của
kiểm thử, ví dụ như kiểm thử xác minh giao diện, kiểm thử API, kiểm thử bảo mật. Phạm
vi của luận văn là đưa ra cái nhìn tổng qt về trí tuệ nhân tạo trong kiểm thử giao diện tự
động dựa vào học máy. Bên cạnh đó, luận văn cịn tìm hiểu trí tuệ nhân tạo được sử dụng
như thế nào trong một vài công cụ kiểm thử giao diện.
Phương pháp nghiên cứu: Lý thuyết liên quan đến kiểm thử tự động, trí tuệ nhân tạo và
mối liên hệ được nghiên cứu. Sau đó học viên lựa chọn và tìm hiểu về các cơng cụ kiểm
thử giao diện có ứng dụng trí tuệ nhân tạo (Applitools, Testim.io, Testcomplete, Mabl) và
thực hiện các ca kiểm thử trên các cơng cụ đó để đưa ra kết quả thực hiện. Để kết quả
đánh giá có thêm phần khách quan, học viên đã thực hiện cuộc khảo sát quy mô nhỏ về

các công cụ được sử dụng trong luận văn, đối tượng tham gia là đồng nghiệp của học
viên. Cuối cùng, dựa vào kết quả nghiên cứu lý thuyết, kết quả thực nghiệm và kết quả
khảo sát, học viên đưa ra những phân tích và đánh giá và đề xuất hướng phát triển.
Cấu trúc luận văn: Nội dung chính của luận văn được trình bày qua bốn chương.
Chương 1. Trí tuệ nhân tạo trong kiểm thử phần mềm tự động.
Chương này trình bày về các khái niệm kiểm thử tự động, trí tuệ nhân tạo, học máy, xu
thế sử dụng học máy vào kiểm thử phần mềm tự động nói chung và kiểm thử giao diện tự
động nói riêng. Việc huấn luyện học máy trong kiểm thử giao diện tự động cũng được chỉ
ra trong chương này.
Chương 2. Một số công cụ kiểm thử giao diện tự động có ứng dụng trí tuệ nhân tạo.
Chương này trình bày về một số cơng cụ kiểm thử giao diện có ứng dụng trí tuệ nhân tạo,
đó là Applitools, Testim.io, Testcomplete, Mabl và cách trí tuệ nhân tạo được sử dụng
trong từng cơng cụ.
Chương 3. Thực nghiệm
Chương này trình bày về phương pháp thực nghiệm của học viên. Nội dung chương về
các ca kiểm thử được thực hiện và kết quả thực hiện đối với từng công cụ ở chương trước.
Kết quả thực nghiệm được tính tốn và so sánh. Ngoài ra kết quả khảo sát cũng được đưa
ra ở cuối chương.
Chương 4. Kết luận.

2


Sau phần lý thuyết và thực nghiệm ở ba chương trước, kết luận và đề xuất hướng phát
triển của học viên được trình bày ở chương này.

3


CHƯƠNG 1.

TRÍ TUỆ NHÂN TẠO TRONG KIỂM THỬ PHẦN MỀM TỰ
ĐỘNG

1.1. Giới thiệu chung
Kiểm thử tự động là gì?
Trong kiểm thử phần mềm, kiểm thử tự động là việc sử dụng phần mềm tách biệt với
phần mềm đang được kiểm tra để kiểm soát việc thực hiện ca kiểm thử và so sánh kết quả
thực tế với kết quả dự đốn [2]. Nó được sử dụng nhiều lần cho kiểm thử hồi quy. Người
kiểm thử tạo các tập lệnh và chạy tập lệnh, về cơ bản nó là sự tự động hóa ca kiểm thử thủ
cơng. Kiểm thử tự động cũng được sử dụng để kiểm tra khả năng tải và hiệu năng của ứng
dụng. Mục tiêu chính của kiểm thử tự động là giảm kiểm thử thủ công, tăng hiệu quả
kiểm thử và giá trị của phần mềm.
Trí tuệ nhân tạo là gì?
Trong khoa học máy tính, trí tuệ nhân tạo (tên tiếng anh là Artificial Intelligence - AI ) là
trí thơng minh được thể hiện bằng máy móc. Nó xử lý những phép tính cấp cao, vấn đề
phức tạp và hỗ trợ hệ thống đưa ra những quyết định nhằm tăng cường độ chính xác, như
hình 1.1. Thơng thường, thuật ngữ trí tuệ nhân tạo được dùng để mơ tả máy móc bắt
chước nhận thức của con người như học tập và giải quyết vấn đề [3][4]. Ví dụ như các
ứng dụng để giúp tài xế tìm các tuyến đường hiệu quả, dữ liệu thời gian thực của các
tuyến đường được truyền về và phân tích, học hỏi để ứng dụng đưa ra kết luận về tuyến
đường.
Học máy là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng
các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ
thể. Ví dụ như các máy có thể "học" cách phân loại thư điện tử xem có phải thư rác hay
khơng và tự động xếp thư vào thư mục tương ứng. Học máy rất gần với suy diễn thống
kê tuy có khác nhau về thuật ngữ [3]. Học máy nghiên cứu cách thức để mơ hình hóa bài
tốn cho phép máy tính tự động hiểu, xử lý và học từ dữ liệu để thực thi nhiệm vụ được
giao cũng như cách đánh giá giúp tăng tính hiệu quả.
1.2. Xu thế sử dụng học máy trong kiểm thử tự động

Việc sử dụng trí tuệ nhân tạo trong phát triển phần mềm vẫn còn ở mức độ tự chủ thấp
hơn nhiều so với các lĩnh vực phát triển hơn như hệ thống tự lái hoặc điều khiển hỗ trợ
giọng nói. Ứng dụng của AI trong các công cụ kiểm thử phần mềm tập trung vào việc làm
cho vòng đời phát triển phần mềm trở nên dễ dàng hơn. Hình 1.2 chỉ ra việc trí tuệ nhân
4


tạo sẽ học việc quan sát và đưa ra quyết định của con người trong kiểm thử thủ công để tự
động đưa ra quyết .Học máy có thể được sử dụng để giúp tự động hóa và giảm số lượng
các nhiệm vụ thủ công trong phát triển và thử nghiệm [5].

Hình 1.1: Trí tuệ nhân tạo1

Hình 1.2: Xu thế trí tuệ nhân tạo trong kiểm thử tự động2
Người kiểm thử có sự thơng minh và khả năng quan sát trạng thái kết quả, máy kiểm thử
có hiệu suất cao. Để nâng cao hiệu quả và giảm chi phí chất lượng, cần cải thiện kiểm thử
phần mềm bằng cách đưa ra hành vi kiểm thử tự động thơng minh thứ có khả năng bắt
chước hình vi con người [6]. Trong kiểm thử phần mềm, một vấn đề được phát hiện ra
1
2

/>a/p/kiem-thu-tu-dong-ung-dung-tri-tue-nhan-tao-ai-ai-test-automation-maGK7W8OKj2

5


sau quá trình áp dụng đầu vào ứng dụng, so sánh kết quả với mong đợi đầu ra. Nó chính
xác với những gì học máy làm. Một tập đầu vào được cung cấp cho một thuật toán đào
tạo. Trong quá trình học tập có giám sát, câu trả lời đúng cho mỗi tập đầu vào cũng được
cung cấp cho thuật tốn đào tạo. Cơng việc của hệ thống học máy là lặp đi lặp lại sự cấu

hình lại “nội bộ của bộ não”, ngày càng tốt hơn trong việc cung cấp các câu trả lời đúng
dựa trên tập đầu vào đã được cung cấp [7]. Do đó, những hệ thống ML đã và đang được
nghiên cứu phát triển đều cung cấp những lợi ích trực tiếp cho việc tự động hóa kiểm thử
phần mềm.
Với kiểm thử tự động thơng thường, con người viết các dòng lệnh để thực hiện ca kiểm
thử tự động, sau đó cơng cụ sẽ thực hiện chạy và so sánh đưa ra kết quả dựa vào các dòng
lệnh đã được viết; với kiểm thử tự động có ứng dụng trí tuệ nhân tạo, việc tạo ca kiểm thử
và thực hiện so sánh kết quả đều được cơng cụ thực hiện được mơ tả ở hình 1.5 . Ví dụ
với ca kiểm thử xác minh phẩn tử “VIEW MORE”. Hình 1.3 là đoạn lệnh thực hiện với
cơng cụ Selenium bình thường, khi ca kiểm thử được chạy, việc so sánh kết quả chỉ dừng
ở thực hiện đúng nội dung “verify text” and “verify not text”; nếu muốn so sánh càng
chính xác, càng nhiều câu lệnh cần được viết. Nhưng với cơng cụ có trí tuệ nhân tạo (ví
dụ Applitools, Testim.io, Testcomplete, Mabl…), dịng lệnh được rút gọn, nhưng sự so
sánh đưa ra kết quả lại dựa trên rất nhiều tiêu chí như so sánh màu sắc, nội dung, sự sai
khác đến từng đơn vị điểm ảnh. Hình 1.4 là ví dụ dịng lệnh với Applitools. Với những
trường hợp phức tạp như dữ liệu biểu đồ bảng, với các công cụ kiểm thử tự động đơn
thuần, việc viết ca kiểm thử cũng rất phức tạp, nhưng nó được giải quyết chỉ bằng một vài
dịng lệnh với cơng cụ có ứng dụng trí tuệ nhân tạo (ví dụ như Testcomplete).

Hình 1.3: Ví dụ bộ lệnh Selenium

6


Hình 1.4: Ví dụ bộ lệnh Applitools
Trí tuệ nhân tạo và học máy được ứng dụng trong các lĩnh vực của kiểm thử, ví dụ như
kiểm thử xác minh giao diện, kiểm thử API, kiểm thử bảo mật…. Các công cụ có ứng
dụng trí tuệ nhân tạo cũng có thể tự sinh ca kiểm thử, con người chỉ cần trỏ cho công cụ
biết ứng dụng cần sinh ca kiểm thử ở đâu. Khi một đoạn mã thay đổi, ML cũng có khả
năng tính tốn để chỉ ra chính xác số lượng ca kiểm thử nhỏ nhất để kiểm tra việc thay đổi

đoạn mã. ML cũng được sử dụng để tạo ca kiểm thử đáng tin cậy hơn, nó tìm hiểu và
quan sát cách ứng dụng thay đổi, sau đó tự đưa ra quyết định trong thời gian chạy về việc
sử dụng bộ định vị nào để xác định phần tử.

Hình 1.5: Phạm vi nghiên cứu của luận văn3

3

/>
7


Phạm vi nghiên cứu của luận văn xoay quanh việc học máy được sử dụng trong kiểm thử
giao diện tự động để xác minh phần tử và việc một số cơng cụ có ứng dụng trí tuệ nhân
tạo sử dụng học máy như thế nào cũng được tìm hiểu ở chương 2.
1.3. Huấn luyện học máy trong kiểm thử giao diện tự động
Hiện tại ML đã đang được khám phá áp dụng vào kiểm thử phần mềm và cách tiếp cận
vấn đề của đề tài này đi theo định hướng của Jason Arbon (giám đốc điều hành của công
ty phần mềm test.ai, từng làm việc cho Google và Microsoft) về ML được sử dụng trong
kiểm thử giao diện [8]:
1.3.1 Huấn luyện học máy: Nhận dạng trạng thái ứng dụng
Nhận dạng trạng thái ứng dụng có thể được thực hiện bằng cách cung cấp cho máy rất
nhiều các màn hình và các nhãn được ghi như một kiểu của trạng thái ứng dụng. Ví dụ:
màn hình đăng nhập và nhãn, màn hình kết quả tìm kiếm và nhãn …vv. Nếu chúng ta dạy
cho máy nhận dạng trạng thái ứng dụng đang thuộc kiểu nào, giống như một người kiểm
thử nhận dạng trạng thái ứng dụng họ đang kiểm tra, chúng có thể chọn kiểu tập đầu vào
để áp dụng vào ứng dụng tương ứng.
Đầu tiên, hàng ngàn ảnh chụp màn hình của ứng dụng thật được thu thập và phân loại
theo nhóm trạng thái giao diện người dùng. Sau đó là bước ghi nhãn, thao tác ghi nhãn
cho mỗi màn hình như hình 1.6.

Khi tất cả các nhẫn đã được lưu, một kho dữ liệu đã ghi nhãn đã sẵn sàng để huấn luyện
ML. Hàng ngàn trang được hiển thị trong chương trình ML, trong đó đầu vào là sự kết
hợp của các điểm ảnh trong ảnh chụp màn hình, cùng với các phần tử DOM.

Hình 1.6: Huấn luyện học máy trong kiểm thử tự động4
• Tập đầu vào huấn luyện học máy: Ảnh, thơng tin phần thử DOM.
• Tập đầu ra mong đợi huấn luyện học máy: nhãn chính xác.
4

/>
8


Q trình đào tạo có thể u cầu hàng giờ để tính tốn. Với hệ thống huấn luyện học máy
ảnh chụp màn hình, học máy được quyết định là ghi nhãn thành cơng hay khơng cho từng
màn hình. Mỗi lần ML nhận ra một màn hình bị ghi sai nhãn, nó sẽ thay đổi cấu trúc bên
trong và lặp lại đến khi ML ghi nhãn tốt nhất. Nguồn dữ liệu đào tạo thưa thớt, khơng
chính xác hoặc khơng rõ ràng có thể ngăn ML học tập.
Khi q trình này hồn tất, hệ thống ML chấp nhận ảnh chụp màn hình hoặc ảnh chụp
nhanh của DOM của ứng dụng mà không cần nhãn chính xác cho các màn hình, kể cả
màn hình đã huấn luyện và màn hình chưa từng thấy trước đó.
Chất lượng ghi nhãn của ML thường được biểu thị thông qua biểu đồ gọi là “Ma trận
nhầm lẫn”. Ma trận nhầm lẫn đơn giản là vẽ từng nhãn màn hình trên mỗi trục và chỉ ra
tần suất một màn hình bị nhầm với màn hình khác, hình 1.7 là ví dụ.

Hình 1.7: Ma trận nhầm lẫn5
1.3.2 Huấn luyện học máy: Áp dụng tập đầu vào
Bước tiếp theo là dạy ML cách quyết định đâu là hành động chính xác dựa trên trạng thái
màn hình ứng dụng. Một hành động riêng lẻ là một tập “phần tử” và “đầu vào”. Ví dụ
phần tử là hộp tìm kiếm, đầu vào là hành động nhập đoạn văn bản tìm kiếm “Hà Nội”. Dữ

liệu huấn luyện cần rất lớn, trong đó đầu vào ở đây là tập hợp tất cả các phần tử của màn
hình, nhãn, và đầu ra là tập của:

5

/>
9


• Dữ liệu huấn luyện đầu vào: [“nhãn màn hình”:tìm kiếm, “phần tử”: nút, hộp văn
bản].
• Dữ liệu huấn luyện đầu ra: [“hộp văn bản”: nhập văn bản, “nút bấm”: xuống
dòng…..].
Việc học cách tạo ra các hành động trên các phần tử giống con người cũng giống như đào
tạo phân loại nhãn. Nội dung màn hình và một phần tử cụ thể được hiển thị trên mạng,
mạng sẽ gợi ý một hành động cụ thể. Nếu mạng gợi ý một hành động kì lạ, nó tự cấu hình
lại chính nó và cố đến khi bắt đầu có những hành vi giống con người với ứng dụng.
1.3.3 Thực thi ML: Áp dụng thế giới thật
Ngày nay, ML có thể quyết định một cách thông minh hành động nào được đưa ra dựa
trên trạng thái của ứng dụng. ML thấy, bằng cách đơn giản là có một chương trình khởi
chạy ứng dụng trong trình giả lập hoặc trên thiết bị, chụp ảnh màn hình của ứng dụng và
tải DOM hiện tại qua kết nối gỡ lỗi đến ứng dụng. Trình điều khiển ứng dụng thực hiện
cuộc gọi đến trình điều khiển nền tảng cụ thể để yêu cầu dữ liệu và chỉ cần chuyển thơng
tin đến ML để quyết định làm gì tiếp theo.
Bây giờ ML đã quyết định làm gì tiếp theo, đầu ra của ML là một cặp phần tử và tên hành
động. Trình điều khiển ứng dụng chỉ cần tìm phần tử vị trí hoặc xử lý trên màn hình và
dựa trên hành động được đề xuất, gửi vịi phù hợp hoặc nhập văn bản. Điều đáng chú ý là
chỉ với hai phần ML được huấn luyện này, chúng ta có một hệ thống có khả năng thơng
minh khám phá bất kỳ ứng dụng. Không cần huấn luyện mới để thực hiện các con đường
giống con người và tự động khám phá các sự cố hoặc vấn đề hiệu suất mà trước đây chỉ

được thực hiện thông qua hướng dẫn sử dụng của con người thử nghiệm, hoặc con người
viết hàng ngàn tập lệnh kiểm tra giao diện người dùng tự động. Trên hết, cách tiếp cận
ML này là áp dụng cho tất cả các ứng dụng ngay lập tức - không cần con người sử dụng
ứng dụng theo cách thủ công hoặc viết tập lệnh kiểm tra.
1.3.4 Huấn luyện học máy: Xác minh hành vi
Bây giờ, các người máy ML có thể điều khiển ứng dụng thơng minh như con người,
nhưng còn về vấn đề xác minh? Làm thế nào người máy ML biết ứng dụng có hành vi
đúng hay sai. Có ba cách tiếp cận cho phép người máy ML xác minh hành vi:
• Tự động kiểm tra chức năng phổ biến, có thể phát hiện vấn đề.
• Huấn luyện học máy dựa trên các ví dụ mẫu về lỗi.

10


• Con người kiểm tra các luồng trước đó, sau đó các người máy sẽ thơng báo bất kỳ
sự khác biệt nào trong lần chạy tiếp theo.
Tự động kiểm tra chức năng phổ biến có thể phát hiện ra lỗi là dòng xác minh đầu tiên
của một ứng dụng xác minh. Ở mỗi bước, một trình điều khiển ứng dụng kiểm tra bất kỳ
sự cố ứng dụng, hộp thoại lỗi….
Huấn luyện học máy về một ví dụ lỗi trước đó để tự động phân loại màn hình tiếp theo
trong trình tự như một lỗi. Với một số lượng lớn các ví dụ tương tự về lỗi, ML nhanh
chóng học được về điều kiện khi nào xảy ra lỗi như màn hình với một vài phần tử, hộp
thoại chứa kí tự (“sorry”, “try again”, “opps”..) của lỗi thường gặp trong ứng dụng.
Phương thức phát hiện lỗi, vấn đề mạnh nhất nằm ở khả năng ghi lại mọi ảnh chụp màn
hình, DOM và chuỗi hành động thực hiện trong mọi bài thử nghiệm trên ứng dụng. Con
người sau đó nhanh chóng xác minh hành vi vượt qua hay thất bại. Trong các lần chạy về
sau, so sánh dữ liệu giữa lần chạy cũ và mới tiết lộ:
• Việc chạy giống hệt nhau, ứng dụng vẫn hoạt động chính xác.
• Lần chạy khơng giống nhau và lỗi mới trong hoạt động ứng dụng.
• Lần chạy không giống nhau nhưng phát hiện ra phần tử hoặc đường dẫn mới trong

ứng dụng. Con người xem xét chức năng chính xác, và/hoặc lỗi.
Các mơ hình ML tổng quát rất mạnh mẽ đối với những thay đổi trong cấu trúc ứng dụng,
thiết kế và thậm chí chúng nhận ra chức năng mới. Hệ thống kiểm thử dựa trên ML đã
làm giảm nhu cầu đối với kiểm thử hồi quy thủ công hoặc tự động cổ điển. Các kịch bản
và mã kiểm tra được thay thế bằng huấn luyện máy tương tác với các ứng dụng thông qua
các API có khả năng kiểm thử.

11


CHƯƠNG 2.

GIỚI THIỆU VỀ CÁC CƠNG CỤ

Một số cơng cụ có ứng dụng trí tuệ nhân tạo được học viên tìm hiểu và tiến hành thực
nghiệm đó là Applitools, Testim.io, Testcomplete và Mabl. Học viên lựa chọn các cơng
cụ vì nó nằm trong danh sách các cơng cụ xu thế về ứng dụng trí tuệ nhân tạo trong cơng
cụ kiểm thử tự động và nó hỗ trợ các bản dùng thử cho người dùng. Khi thời gian cho
phép, học viên sẽ tìm hiểu thêm các cơng cụ có ứng dụng trí tuệ nhân tạo khác để bổ sung
những hạn chế của đề tài.
2.1. Applitools
2.1.1 Applitools là gì?
Applitools tập trung vào các kiểm thử trực quan, xác minh giao diện xuất hiện như dự
định. Nó cung cấp các API khác nhau cho các ngơn ngữ lập trình và các khung (tên tiếng
anh là: framework) để tạo kiểm thử trực quan cho các thành phần GUI đơn lẻ hoặc tồn
bộ màn hình6.
Trong q trình thực thi kiểm thử, mọi kiểm tra thơng qua Applitools API tạo ra một ảnh
chụp màn hình và tải lên một dịch vụ chuyên dụng (máy chủ đôi mắt) để so sánh. Tại đây,
các thuật toán thị giác máy tính (CV) được sử dụng chỉ để báo cáo sự khác biệt có thể
nhận thấy. Sau đó, quản lý kiểm thử đơi mắt có thể được sử dụng để xem xét chi tiết kết

quả kiểm thử. Các thay đổi được phê duyệt, từ chối hoặc bỏ qua, trong đó các thay đổi
tương tự được nhóm lại với nhau để tăng tốc quá trình bảo trì.
Applitools hoạt động như thế nào?
• Khung kiểm thử tự động: cài đặt trên máy cục bộ của người dùng để tạo, chạy ca
kiểm thử
• Applitools SDK: cài đặt trên máy cục bộ của người dùng, định nghĩa các nguyên
tắc DOM, CSS của các phần tử khi chạy ca kịch bản.
• Lưới giao diện Applitools (tên tiếng anh là Applitools Visual Gird): nằm trên đám
mây Applitools, ca kiểm thử được chạy trên lưới giao diện.
• AI trực quan Applitools (tên tiếng anh là Applitools Visual AI) hay còn gọi là
“Eyes”: nằm trên đám mây Applitools, so sánh sự khác biệt về giao diện và thông
báo kết quả.

6

/>
12


• Phân tích ngun nhân góc Applitools (tên tiếng anh là Applitools Root Cause
Analysis): nằm trên đám mây Applitools, quản lý kết quả so sánh.

Hình 2.1: Applitools - hoạt động như thế nào7
Khi ca kiểm thử được chạy lần đầu tiên trên ứng dụng, máy chủ AI chỉ lưu trữ ảnh chụp
màn hình dưới dạng ảnh cơ sở (tên tiếng anh :baseline). Khi một ca kiểm thử tương tự
được chạy lần tiếp theo, tập ảnh chụp màn hình mới được gọi là ảnh kiểm tra (tên tiếng
anh: checkpoint). Eyes sẽ so sánh ảnh cơ sở và ảnh kiểm tra để đưa ra quyết định [9].
3.1.2 AI trong Applitools
Thị giác máy tính là cơng nghệ được sử dụng cho Eyes. AI được xử lý trên đám mây
Applitools. Các thuật toán chỉ báo cáo sự khách biệt về giao điện người dùng có ý nghĩa

và có thể cảm nhận được bằng mắt người.
Công nghệ của Applitools cho phép xác nhận rằng cấu trúc vẫn giống nhau, mặc dù nội
dung đã thay đổi. Thay vì có một liên kết tĩnh giữa mọi ảnh kiểm tra và ảnh cơ sở tương
ứng, Eyes so sánh một chuỗi các hình ảnh kiểm tra với một chuỗi các hình ảnh cơ sở, cho
phép các điểm kiểm tra có thể được thêm hoặc xóa. Sau đó, giống như một chương trình
"khác biệt" bằng văn bản, Eyes tìm thấy hình ảnh đã được thêm hoặc xóa cũng như hình
ảnh có hình ảnh đường cơ sở tương ứng và khớp hoặc khơng khớp. Eyes sau đó cho phép
bạn xác minh cả hai điểm kiểm tra hiện có và đảm bảo rằng tập hợp các hình ảnh cơ sở

7

/>
13


được cập nhật. Bởi vì AI khơng biết sự khác biệt là do tính năng mới hay lỗi thực sự, do
đó nó sẽ đợi con người đánh dấu thủ cơng là thông qua hay thất bại.
Các bước so sánh và kết quả kiểm tra: Khi ca kiểm thử được thực thi, Eyes xác minh toàn
bộ chuỗi ảnh kiểm tra đối với chuỗi ảnh cơ sở. Kết quả kiểm tra bao gồm một chuỗi các
bước, mỗi bước biểu thị một điểm kiểm tra bị thiếu, một điểm kiểm tra mới, một điểm
kiểm tra phù hợp với đối tác cơ sở của nó hoặc một điểm khác với nó.
Ví dụ, chuỗi ảnh cơ sở bao gồm 5 ảnh:

Hình 2.2: Applitools - ví dụ ảnh cơ sở
Và chuỗi ảnh kiểm tra:

Hình 2.3: Applitools - ví dụ ảnh kiểm tra
Sự thay đổi của chuỗi ảnh kiểm tra: ảnh B bị xóa, ảnh C bị thay bởi ảnh C1, ảnh F và G
được thêm mới, ảnh A, D, E không thay đổi. Eyes sẽ phát hiện sự giống khác giữa hai
chuỗi ảnh:

• Giống: Eyes tìm thấy ảnh cơ sở và ảnh kiểm tra giống nhau.
• Khác: Eyes tìm thấy ảnh cơ sở và ảnh kiểm tra về cơ bản là khớp nhau nhưng có
một phần khác biệt.
• Thiếu: Eyes khơng tìm thấy ảnh kiểm tra tương ứng với ảnh cơ sở.
• Mới: Eyes phát hiện ra ảnh cơ sở mới.
2.2. Testim.io
2.2.1 Testim.io là gì?
Testim.io là công cụ kiểm thử tự động sử dụng học máy để giúp các nhà phát triển thực
hiện việc soạn thảo, thực hiện và bảo trì các ca kiểm thử tự động. Nó được chạy trên đám
mây Amazon. Người dùng có thể tạo các bài kiểm tra trong vài phút, chạy song song hàng
ngàn ca kiểm thử trên các trình duyệt khác nhau, tích hợp với CI/CD và các cơng cụ cộng
tác hiện có của cơng cụ, v.v.
Cơng cụ đã giới thiệu khái niệm về định vị thơng minh. Trí tuệ nhân tạo bên dưới nền
tảng trong thời gian thực, phân tích tất cả các đối tượng DOM của một trang và trích xuất
14


các đối tượng và thuộc tính của nó. Cuối cùng, AI quyết định chiến lược tốt nhất để xác
định vị trí một phần tử cụ thể dựa trên phân tích này8.
Do đó, ngay cả khi nhà phát triển thay đổi thuộc tính của một yếu tố, thử nghiệm vẫn tiếp
tục chạy và điều này dẫn đến các thử nghiệm ổn định hơn. Do đó, việc soạn thảo và thực
hiện các bài kiểm tra tự động nhanh hơn và ổn định hơn nhiều.
2.2.2 AI trong Testim.io
Bộ định vị thông minh trong Testim.io là một ma trận bộ chọn có liên quan đến phần tử
cụ thể. Khi một phần tử được chọn trong khi ghi (nhấp, di chuột, nhập, v.v.) thuật toán
của Testim.io sẽ phân tích hàng trăm thuộc tính được liên kết với phần tử. Sau đó, nó gán
trọng số cho các thuộc tính để xác định duy nhất thành phần.

Hình 2.4: Testim.io - bộ định vị thông minh
Và bộ định vị thông minh học hỏi với mỗi lần chạy thử. Nếu một số thuộc tính thay đổi,

bộ định vị thơng minh sẽ sử dụng các thuộc tính khác để xác định thành phần. Bằng cách
này, nếu phần tử được thay đổi nhưng vẫn hoạt động, bộ định vị thông minh của
Testim.io sẽ tìm thấy nó và giữ cho bài kiểm tra khơng bị lỗi9 10. Ví dụ: khi phần tử
“VIEW MORE” được kích chuột, các thuộc tính liên quan được đưa vào bộ định vị thơng
minh: thuộc tính của chính phần tử “View More”, các thuộc tính khác có liên quan đến nó
như các thuộc tính cha, thuộc tính con. Các thuộc tính được tính tốn, gán trọng số. Dựa
8

/> />10
/>9

15


vào đó, AI đưa ra quyết định rằng ca kiểm thử kích vào phần tử “VIEW MORE” có thành
cơng hay khơng.
2.3. TestComplete
2.3.1 TestComplete là gì?
TestComplete là cơng cụ kiểm thử tự động chức năng được phát triển bởi công ty phần
mềm SmartBear. TestComplete cung cấp cho người kiểm tra khả năng tạo các bài kiểm
tra tự động cho các ứng dụng giao diện cục bộ, trình duyệt, hệ điều hành. Sử dụng kỹ
thuật nhận dạng đối tượng bằng AI giúp cho việc kiểm thử ổn định và có thể mở rộng khi
mã nguồn thay đổi11.
TestComplete hoạt động như thế nào?
Khi ghi lại các bài kiểm tra, TestComplete tự động thêm các đối tượng vào kho lưu trữ
bản đồ tên. Bạn cũng có thể thêm các đối tượng bằng tay tại thời điểm thiết kế. Đối với
mỗi đối tượng, TestComplete chỉ định các tiêu chí mơ tả đối tượng này trong ứng dụng.
Khi ánh xạ các đối tượng, TestComplete so sánh chúng với các đối tượng được lưu trữ
trong kho lưu trữ Bản đồ tên và chỉ ánh xạ các đối tượng không được ánh xạ.
Khi chạy thử nghiệm, TestComplete sử dụng kho lưu trữ bản đồ tên để tìm các đối tượng

trong ứng dụng được thử nghiệm của bạn. Nếu TestComplete khơng thể tìm thấy một đối
tượng (ví dụ: nếu các thuộc tính đối tượng đã thay đổi hoặc có một số đối tượng có các
giá trị thuộc tính này), thử nghiệm thất bại. Trong trường hợp này, bạn cần cập nhật các
tiêu chí ánh xạ để sử dụng các thuộc tính duy nhất, khơng thể thay đổi để nhận dạng đối
tượng.
2.3.2 AI trong Testcomplete
Thông thường, Testcomplete nhận dạng các cửa sổ dựa vào các thuộc tính của chúng (ví
dụ như tên lớp, chú thích, định danh). Tuy nhiên, có những trường hợp Testcomplete
không thể truy cập vào các thuộc tính đó, lúc này Testcomplete kiểm tra bằng việc nắm
bắt các nội dung phần tử. Để làm được điều đó, nhận dạng ký tự quang học (tên tiếng anh
là optical character recognition) được sử dụng.
Hình ảnh được chụp lại, sau đó được dịch sang ký tự máy có thể đọc hiểu. Cơng cụ này
có thể nhận dạng văn bản của phần tử giao diện người dùng cũng như văn bản từ các tập
tin được tải lên.

11

/>
16


Testcomplete gửi dữ liệu cần nhận dạng tới dịch vụ web orc.dev.smartbear.com của
SmartBear. Dịch vụ web này chuyển tiếp các yêu cầu đến “API Google Vision” (dịch vụ
trên đám mây Google) và kết quả sau khi nhận dạng được chuyển lại trở về Testcomplete.
2.4. Mabl
2.4.1 Mabl là gì?
Mabl là cơng cụ kiểm thử tự động phần mềm, sử dụng học máy để giúp các nhóm kỹ
thuật kiểm tra hồi quy. Nó thu thập rất nhiều dữ liệu như thời gian chạy thử, thời gian tải
trang, ảnh chụp màn hình hiển thị các thay đổi trực quan trong ứng dụng, v.v. Dữ liệu đó
dùng để đào tạo cho các mơ hình học máy giúp thông báo tốt xấu cho người dùng khi ứng

dụng có sự thay đổi 12.
Mabl hoạt động như thế nào?
Khi người dùng ghi lại ca kiểm thử với tiện ích “Trainer”, ảnh màn hình baseline sẽ được
chụp lại. Đối với những lần thực thi ca kiểm thử tương tự sau đó, ảnh chụp màn hình sẽ
được so sánh với ảnh baseline. Các thay đổi trực quan sẽ được gắn nhãn cảnh báo và đánh
dấu giúp người dùng dễ nhận biết.
AI và ML được dùng để học toàn bộ quá trình (hệ thống, mã lệnh, việc thực thi kiểm thử,
và phát hiện lỗi trong hệ thống). Nhiều ca kiểm thử được thực thi, Mabl học được càng
nhiều về hệ thống và có thể tự động hóa mọi thứ.
2.4.2 AI trong Mabl
AI được cung cấp bởi bộ công cụ đám mây Google. Mabl sử dụng “Cloud ML Engine”
(bộ SDK của Google) để đào tạo mơ hình thị giác và thời gian chạy, sử dụng “Dataflow”
(bộ SDK của Google) để xử lý dữ liệu kiểm thử, và sử dụng “Lighthouse” (bộ SDK của
Google) để theo dõi các chỉ số hiệu năng của ứng dụng.
Mabl tìm ra lỗi bằng cách tạo ra một mơ hình và so sánh kết quả chạy ca kiểm thử với mơ
hình đó. Cụ thể, Mabl xem xét sự thay đổi và tạo ra một thước đo chất lượng để chỉ ra kết
quả của ca kiểm thử có đáng để thông báo lỗi cho người dùng hay mọi thứ vẫn hoạt động
trơn tru. Học tập gia tăng được áp dụng cho mơ hình từ các lần chạy ca kiểm thử giúp giải
quyết các vấn đề về biến thiên thời gian và chất lượng ban đầu. Bằng cách từ chối hoặc
chấp nhận thông tin Mabl đưa ra, người dùng đang cung cấp dữ liệu huấn luyện học máy
để cải thiện chất lượng và cập nhật tăng cường mơ hình.

12

/>
17