현재 sonarqube를 비롯한 많은 정적 분석 도구들이 존재합니다. 특히 큰 아키텍처를 잡는 데 도움이되는 정적 지표들에 대해 정리하고, 이 중에서 소프트웨어 아키텍처를 분석하는 지표를 단계적으로 설명합니다.

- 해결책은 1000피트의 뷰
- Size (LoC)
- Cohesion (Instability, LCOM)
- 의존성 관리 지표 (DSM, Tangled, CD, CCD, DIT, NOC)
- 브랜치 관계 (Cyclomatic Complexity, WMC)
- 응답수 (RFC)
* 내용 및 시간에 따라 실제 아키텍처 리펙토링하는 기법도 추가될 수 있습니다.

최근 뜨거운 관심을 받고 있는 ChatGPT, “SW검증에 어떤 도움을 줄 수 있을까?”, “우리 솔루션에 핵심적인 기능으로 활용할 수 있을까?”에 대한 고민으로 시작된 이야기. 데이터 수집 및 분석 SW인 DCAT(Data Collection & Analysis Tool)에 GPT를 활용한 “데이터 자동 분석” 기능에 대한 탄생 스토리와 적용된 기술 내용을 공유합니다.

목차
1. DCAT에 대해 간단히 알아보자
2. GPT 활용 기능 탄생 스토리
3. 멋지게 탄생한 데이터 자동 분석 기능
4. 어떻게 구현했을까?
5. 정말 멋진 기능일까?

- View Hierarchy를 사용하지 않고 이미지만 사용하는 이유
- 이미지에서 추출한 Object의 클래스 종류 및 클래스 선정 이유
- 위젯 디텍션, OCR을 활용한 서비스 소개
- 자율탐색 기반 테스트에서 위젯 디텍션 사용 예시
- 시나리오 기반 테스트에서 위젯 디텍션 사용 예시

국내 ERP 시장은 대기업을 중심으로 글로벌 ERP을 솔루션 도입하거나 이를 재구축 또는 전환하는 사업이 가속화되고 있습니다. 기존의 테스트는 고객사의 업무 전문가나 ERP 모듈 컨설턴트를 중심으로 장시간의 준비를 거쳐 상당부분 수작업으로 진행되었습니다.
본 발표에서는 보다 효과적인 테스트 방안으로 기존의 테스트를 대부분 자동화할 수 있는 방안이 없을 지 살펴보도록 하겠습니다.

SW 품질 향상을 위한 기능 테스트 외 Speech 영역의 테스트를 자동화하기 위한 방안에 대해 살펴본다.
BDD 기반 테스트 자동화를 도입할 수 있는 다양한 영역을 소개하고, Speech 영역에서의 테스트 자동화 구축에 대해 소개한다.
또한, Speech 테스트 자동화를 위한 단계적 추진 내용 및 Speech 테스트 전용 시나리오 설계 전략을 제안한다.
이러한 분석/설계 전략에 따라 테스트 자동화를 구현하고, 구현부터 운영에 이르는 전반적인 프로세스 자동화를 위한 TestOps 구축 과
정을 소개한다. 마지막으로, Speech 테스트 자동화 환경을 구축한 T사의 사례를 소개한다

최근 증가하고 있는 공급망 위협에 대응하기 위해서는 공격으로부터 안전한 소프트웨어의 개발이 필수적입니다. 본 강연에서는 소프트웨어 구성 분석과 더불어 정적 보안 테스팅, 동적 보안 테스팅을 활용하여 공급망 위협으로부터 안전한 소프트웨어를 개발하기 위한 보안 테스팅 전략에 대해 소개합니다.

Squish/Coco는 cross platform 기반의 tool로써 Windows, MacOS, Linux 기반의 Desktop 위에서 동작하는 GUI 응용 프로그램 뿐만 아니라, Embedded Linux, Android, IOS등 여러가지 타켓 기반의 GUI 응용 프로그램의 동적 테스트 자동화를 가능하게 합니다. 본 강연에서는 Squish/Coco를 이용하여 GUI 응용 프로그램의 동적 테스트 자동화 및 코드 커버리지를 측정하는 과정을 소개 드리고, Embedded Linux 환경에서 동작하는 Automotive용 Digital Cluster 응용 프로그램의 동적 테스트 자동화에 관한 데모를 보여드릴 예정입니다.

1. Process of the Dynamic Testing and Code Coverage
2. Unit Testing with Coco
3. Integration Testing with Squish
4. Demo : Dynamic Testing of the Automotive Digital Cluster with Squish/Coco

- 데이터 품질의 중요성
- 데이터 생애 주기(DLC, Data Life Cycle)에 대한 이해
- 데이터 품질 지표 및 적용 방법

공지능이 포함된 제품의 테스팅에서는 올바르지 않은 테스트 데이터로 인해 오버피팅, 일반화 오류와 같은 의도치 않은 테스트 결과가 도출되는 것을 주의해야 합니다. 그렇기 때문에 테스트 데이터 생성에 많은 고민이 필요합니다. 실제 프로젝트의 사례를 통해 테스트 데이터를 생성한 방법과 이유. 그리고, k-fold cross validation을 적용한 테스트 데이터 운용 사례를 공유하며, 초기에 테스트 데이터를 생성하도록 제안합니다.

ISO 26262를 위한 SW 검증 업무들 중 가장 시간/비용이 많이 소요되는 업무는, SW 소스코드의 분기 커버리지 100%를 달성하는 테스트 입력값 생성 작업이다. 특히, Matlab/Simulink 모델에서 자동 생성된 코드의 경우, 사람이 작성한 코드 대비 조건식의 복잡도가 매우 높아, 수작업으로 테스트 입력값 생성에 소요되는 시간/비용이 크다.

본 강연에서는, Concolic 테스팅과 Fuzzing등의 첨단 테스트 자동 생성 기술을 활용한 SW 자동 테스팅 도구인 CROWN 2.0을 사용하여, 수작업으로 작성한 코드뿐 아니라 Simulink 모델에서 자동 생성된 코드에 대한 테스트 입력값을 자동으로 생성하여, 90% 이상의 분기 커버리지를 자동 달성한 성공 사례 들을 공유한다

인공지능 시스템의 활용이 늘어나면서 그것의 품질과 신뢰성에 대한 관심도 높아지고 있다.
인공지능 시스템의 신뢰성에는 만들어진 모델뿐만 아니라 그것을 만들기 위해 사용한 데이터와 프로세스의 품질도 영향을 미치게 된다, 결국 인공지능 시스템을 개발하는 과정에서 품질과 신뢰성을 확보하려면 적합한 제품 품질 목표를 수립하고 그것을 달성하는 데 있어 데이터가 어떻게 영향을 미칠 수 있는지, 또 모델을 대상으로는 무엇을 확인해야 하는지 등을 전반적으로 고려한 체계적인 개발 프로세스를 구축할 필요가 있다.
최근 인공지능 신뢰성 특성들에 대한 개별 표준이 ISO/IEC JTC 1/SC 42의 WG3(Trustworthiness)를 통해 개발돼서 배포되고 있다. 또한, 학습 및 테스트에 사용되는 데이터의 품질을 확보를 위한 가이드, 개발 중 신뢰성을 확보하기 위한 체크리스트 등 다양한 자료가 나오고 있다.
본 발표에서는 인공지능 제품을 이제 막 시작한 기업에서 이런 다양한 요구사항을 고려한 전반적인 AI SW 프로세스를 오픈소스 레드마인 도구로 구현한 경험을 공유하고자 한다.

1. 단위시험 단계에서의 커버리지 요구사항 준수
2. 테스트케이스 수동 생성 VS 테스트케이스 자동 생성
- 수동 테스트케이스를 통한 커버리지 현황
- 자동 테스트케이스를 통한 커버리지율 현황
- 각각의 테스트 케이스 비교
3. 실무에서의 적용 사례
4. 부가적인 기능
- 효율적인 테스트케이스 생성 및 관리
- 구조기반/명세기반 요구사항 모두 지원 가능
- 성능 개선

생성 AI(Generative AI)는 우리 삶에 많은 변화를 가지고 왔다. 이미 다양한 분야에서 생성 AI가 활용 되고 있다. 이번 세션에서는 전문적인 도메인 지식이 필요한 영역, 특히 UI 테스트 자동화 솔루션 분야에서 생성 AI를 어떻게 활용할 수 있을지 논의하고자 한다.
이미 시장에는 수 많은 UI 테스트 자동화 기술들이 존재하나, 생성 AI 기술을 적극적으로 활용한 솔루션들은 이제 막 태동하고 있다. 글로벌 시장에서 어떤 Player들이 생성 AI 기반 자동화 기술/솔루션을 준비하고 있는지, 이를 통해 UI 자동화 테스트는 어떻게 바뀔 것인지 알아보고자 한다.
마지막으로 넥스트랩이 구상하는 생성 AI 기반 UI 테스트 자동화 프레임워크를 소개하고, 어떤 준비를 하고 있는지 공유하고자 한다.