首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

安卓应用分析与测试通用支撑工具的设计与实现

摘要第4-6页
Abstract第6-7页
1 绪论第14-20页
    1.1 研究背景第15-17页
        1.1.1 安卓应用的质量保障第15-16页
        1.1.2 测试技术的实现第16-17页
    1.2 本文工作第17-19页
        1.2.1 研究问题第17页
        1.2.2 研究思路第17-18页
        1.2.3 研究贡献第18-19页
    1.3 论文组织结构第19-20页
2 相关工作综述第20-36页
    2.1 面向安卓应用的自动化测试技术第20-26页
        2.1.1 安卓背景第20-24页
        2.1.2 测试领域的典型技术第24-26页
    2.2 测试技术的实现第26-34页
        2.2.1 可用工具概述第27-31页
        2.2.2 现有测试技术的实现总结第31-34页
    2.3 小结第34-36页
3 研究问题与分析第36-50页
    3.1 测试技术的需求第36-41页
    3.2 现有框架技术的权衡与工具实现问题第41-45页
        3.2.1 框架对于测试需求的权衡第41-43页
        3.2.2 现有工具的实现问题第43-45页
    3.3 面向安卓应用的测试框架应用场景分析第45-48页
    3.4 小结第48-50页
4 低侵入高性能的ATT测试框架实现技术第50-70页
    4.1 低侵入高性能框架设计第50-57页
        4.1.1 需求分析与技术设计第50-55页
        4.1.2 系统架构第55-57页
    4.2 系统实现第57-61页
        4.2.1 AppDriver中间件第57页
        4.2.2 应用重打包重签名第57-58页
        4.2.3 apk文件元数据提取第58页
        4.2.4 输入生成第58-61页
    4.3 实验评估第61-69页
        4.3.1 评估目标第61页
        4.3.2 实验设计第61-67页
        4.3.3 评估结果第67-69页
    4.4 小结第69-70页
5 高覆盖可扩展的AndroidQL测试框架实现技术第70-96页
    5.1 高覆盖可扩展框架设计第70-83页
        5.1.1 需求分析与技术设计第70-80页
        5.1.2 系统架构第80-83页
    5.2 系统实现第83-86页
        5.2.1 aql-vm中技术实现第83-86页
        5.2.2 aql-client技术实现第86页
    5.3 实验评估第86-94页
        5.3.1 评估目标第86-87页
        5.3.2 实验设计第87-91页
        5.3.3 评估结果第91-94页
    5.4 小结第94-96页
6 基于ATT和AndroidQL的安卓应用动态分析技术实现第96-112页
    6.1 用户制导测试技术UGA的并行化PUGA第96-100页
        6.1.1 技术设计与工具实现第96-98页
        6.1.2 实验评估第98-100页
    6.2 安卓应用运行踪迹记录与重放技术RERAN第100-102页
        6.2.1 技术设计与工具实现第100-101页
        6.2.2 实验评估第101-102页
    6.3 增强版Monkey工具Monkey”第102-107页
        6.3.1 技术设计与工具实现第102-104页
        6.3.2 实验评估第104-107页
    6.4 动态网络异常检测技术NED第107-109页
        6.4.1 技术设计与工具实现第107-108页
        6.4.2 实验评估第108-109页
    6.5 移动应用并发缺陷暴露技术AATT第109页
    6.6 基于手势定向投放的安卓应用测试技术GAT第109-110页
    6.7 小结第110-112页
7 总结与展望第112-116页
    7.1 工作总结第112-113页
    7.2 研究展望第113-116页
参考文献第116-124页
致谢第124-125页
简历与科研成果第125-126页

论文共126页,点击 下载论文
上一篇:基于颜色模型的烟草异物识别算法研究
下一篇:基于数据挖掘的广告推荐系统的研究