Autor:
Martín-López, Alberto

Cargando...
Foto de perfil

E-mails conocidos

amarlop@us.es
alberto.martin@us.es
alberto.martin@usi.ch

Fecha de nacimiento

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Martín-López

Nombre de pila

Alberto

Nombre

Nombres alternativos

Lopez, Alberto Martin
Martin-Lopez, Alberto

Afiliaciones conocidas

University of Seville, Spain
SCORE Lab, I3US Institute, Universidad de Sevilla, Spain
Universidad de Sevilla, Spain
Constructor University; Università della Svizzera Italiana, Switzerland

Páginas web conocidas

Página completa del ítem
Notificar un error en este autor

Resultados de la búsqueda

Mostrando 1 - 6 de 6
  • Artículo
    Pruebas de APIs REST guiadas por Aprendizaje Activo
    Mirabella, A. Giuliano; Martín-López, Alberto; Segura Rueda, Sergio; Valencia Cabrera, Luis; Ruiz Cortés, Antonio. Actas de las XXVI Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2022), 2022-09-05.
    La generación automática de casos de prueba para APIs REST es un tema de investigación muy activo. La mayoría de técnicas emplean un enfoque de caja negra basado en la generación aleatoria de peticiones a partir de la especificación de la API. Dichas técnicas tienen una limitación importante: ignoran las dependencias inter-parámetro (restricciones entre parámetros que se deben cumplir para que la petición a la API sea válida), ya que no están soportadas por los lenguajes de especificación actuales. Como resultado, la mayoría de peticiones generadas automáticamente viola alguna dependencia y es rechazada por la API. En este artículo, proponemos un método para entrenar eficientemente un clasificador que prediga la validez de las peticiones, para as+AO0 poder descartar las inválidas antes de invocar a la API. Nuestra técnica aprende a medida que genera casos de prueba, de forma que el porcentaje de llamadas válidas aumenta progresivamente hasta un 90+ACU en APIs comerciales como GitHub y Stripe. Estos resultados prometedores sugieren que nuestra propuesta podría mejorar significativamente la generación automática de casos de prueba para APIs REST.
  • Artículo
    Towards the Definition of Test Coverage Criteria for RESTful Web APIs
    Martín-López, Alberto; Segura Rueda, Sergio; Ruiz Cortés, Antonio. Actas de las XXIV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2019), 2019-09-02.
    Web APIs following the REST architectural style (so-called RESTful Web APIs) have become the de-facto standard for software integration. As RESTful APIs gain momentum, so does the testing of them. However, there is a lack of mechanisms to assess the adequacy of testing approaches in this context, which makes it difficult to measure and compare the effectiveness of different testing techniques. In this work-in-progress paper, we take a step forward towards a framework for the assessment and comparison of testing approaches for RESTful Web APIs. To that end, we propose a preliminary catalogue of test coverage criteria. These criteria measure the adequacy of test suites based on the degree to which they exercise the different input and output elements of RESTful Web services. To the best of our knowledge, this is the first attempt to measure the adequacy of testing approaches for RESTful Web APIs.
  • Artículo
    Identificación Automática de Relaciones Metamórficas en Sistemas de Búsqueda
    Alonso Valenzuela, Juan Carlos; Martín-López, Alberto; Segura Rueda, Sergio; Ruiz Cortés, Antonio. Actas de las XXV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2021), 2021-09-22.
    Proveer al usuario con opciones de búsqueda avanzada que faciliten el acceso a los datos que busca es una característica común de muchos sistemas software, tales como sistemas de información, sistemas de comercio electrónico y APIs web. La complejidad y magnitud de estos sistemas provocan que en la mayoría de los casos sea imposible determinar si la salida obtenida es correcta. Una solución para aliviar este problema es la aplicación de pruebas metamórficas, que explotan las relaciones existentes entre los parámetros de un sistema, conocidas como relaciones metamórficas (RMs). Sin embargo, la identificación manual de RMs exige tiempo y esfuerzo, lo que limita su aplicación. En este artículo, describimos nuestro trabajo en progreso para el desarrollo de un método para la identificación automática de RMs en el contexto de sistemas de búsqueda. Nuestro primer prototipo muestra la efectividad de nuestra propuesta para generar cientos de RMs en sistemas reales como YouTube, IMDb o SkyScanner en cuestión de segundos.
  • Artículo
    Pruebas de Mutación de APIs Web: Un Enfoque de Caja Negra
    Sánchez Jerez, Ana Belén; Martín-López, Alberto; Segura Rueda, Sergio; Ruiz Cortés, Antonio. Actas de las XXVI Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2022), 2022-09-05.
    Las Interfaces de Programación de Aplicaciones (APIs) web tienen un papel clave en la integración de aplicaciones, por lo que validar su correcto funcionamiento es crucial. La mayoría de técnicas de generación de casos de prueba en este ámbito son de caja negra y suelen evaluarse con APIs sin código fuente disponible. Por ello, no es posible emplear pruebas de mutación tradicional, y no podemos cuantificar la efectividad de las pruebas si la API no expone ningún error. Este artículo propone un enfoque de caja negra para evaluar la capacidad de detección de errores de las pruebas para APIs web: en lugar de crear variantes defectuosas del código del programa (pruebas de mutación tradicionales), se crean mutantes de las salidas del programa (respuestas HTTP). JSONMutator es la herramienta implementada para llevar a cabo estas mutaciones. Los oráculos de pruebas se aplican sobre dichos mutantes y, a medida que las pruebas fallan, la cobertura de mutación aumenta. Experimentos preliminares sugieren que la herramienta es efectiva para crear mutantes a partir de la salida de APIs web y que existe correlación entre la cobertura de mutación de caja negra y caja blanca.
  • Artículo
    Pruebas de Mutación de Caja Negra para APIs Web
    Sánchez Jerez, Ana Belén; Martín-López, Alberto; Segura Rueda, Sergio; Ruiz Cortés, Antonio. Actas de las XXV Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2021), 2021-09-22.
    Las Interfaces de Programación de Aplicaciones (APIs) web desempeñan un papel clave en la integración de aplicaciones, por lo que validar su correcto funcionamiento resulta crucial. La mayoría de técnicas de generación de casos de prueba en este ámbito son de caja negra y con frecuencia se evalúan con APIs para las que no se dispone del código fuente. En este escenario, no es posible emplear pruebas de mutación tradicionales, por lo que no es posible cuantificar la efectividad de las pruebas si la API no expone ningún error. En este artículo, proponemos un enfoque de caja negra para evaluar la capacidad de detección de errores de las suites de pruebas para APIs web: en lugar de crear variantes defectuosas del código del programa (API), como en las pruebas de mutación tradicionales, se crean mutantes de las salidas del programa (respuestas HTTP). Los oráculos de pruebas se aplican sobre dichos mutantes y, a medida que las pruebas fallan, la cobertura de mutación aumenta. Experimentos preliminares sugieren que existe correlación entre la cobertura de mutación de caja negra y caja blanca.
  • Artículo
    Inferencia Automática de Dependencias Inter-Parámetro en APIs REST
    Mirabella, A. Giuliano; Martín-López, Alberto; Segura Rueda, Sergio; Valencia Cabrera, Luis; Ruiz Cortés, Antonio. Actas de las XVI Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2021), 2021-09-22.
    La generación automática de casos de prueba para APIs REST es un tema de investigación muy activo. La mayoría de técnicas emplean un enfoque de caja negra basado en la generación aleatoria de peticiones a partir de la especificación de la API. Dichas técnicas tienen una limitación importante: ignoran las dependencias entre parámetros. Como resultado, la mayoría de peticiones viola alguna dependencia y son rechazadas por la API. En este artículo, proponemos inferir automáticamente dichas dependencias únicamente a partir de la especificación de la API y sus entradas y salidas. Nuestra técnica aprende a medida que genera casos de prueba, de forma que el porcentaje de llamadas válidas aumenta progresivamente hasta alcanzar una precisión del 90+ACU en APIs comerciales como GitHub o YouTube. Estos prometedores resultados sugieren que nuestra propuesta podría mejorar significativamente la generación automática de casos de prueba para APIs REST.