自主软件测试中人工智能生成的测试工件的治理控制

人工智能（AI）和大语言模型（LLM）越来越多地应用于自主软件测试；然而，人工智能生成的测试工件经常会出现幻觉、违反合规性、安全风险和可解释性有限等问题。为了提高人工智能生成的测试工件的可靠性、透明度和可信度，本研究引入了治理感知自主测试框架（GATF）的概念。该框架通过治理验证、可解释性分析、概率风险评估、合规性监控以及审计治理来扩展自主测试生命周期。使用 Defects4J 和 PROMISE 软件工程数据集进行实验。所提出的框架成功地将治理相关风险降低了 89.6%，并展示了 94.3% 的治理准确性、96.5% 的工件可靠性、94.2% 的合规准确性和 90.8% 的可解释性性能。结果表明，与传统的基于人工智能的测试系统相比，具有治理意识的自主测试系统可以显着提高自主测试系统的可靠性、透明度和操作安全性。所提出的架构具有可扩展性和可靠性，并为软件测试提供了安全的环境。