关于Camdroid：一种用于Android应用程序的上下文感知模型化自动GUI测试工具的学术研究报告
本报告旨在介绍由清华大学的Hongyi Wang、Yang Li*、Jing Yang与杭州有善科技有限公司的Daqiang Hu和Zhi Liao共同完成的一项原创性研究工作。该研究以论文《Camdroid: context-aware model-based automated gui testing for android apps》的形式，于2025年2月发表于期刊《Tsinghua Science and Technology》第30卷第1期。
一、研究的学术背景 本研究隶属于软件工程，特别是移动应用自动化测试领域。随着移动应用的爆炸式增长和快速迭代周期，保证应用质量面临巨大挑战。图形用户界面（Graphical User Interface, GUI）测试是验证应用健壮性的关键环节，但人工测试耗时、费力且覆盖率低。因此，自动化GUI测试成为学术界和工业界的研究热点。尽管已有诸多自动化测试工具被提出，如基于模型、概率或深度学习的方法，但它们普遍存在两大局限：第一，大多数方法侧重于GUI探索算法本身，而在连续测试（Continuous Testing）中效率不高，因为它们通常从零开始重新测试每个新版本，未能充分利用历史测试运行中积累的上下文知识来加速当前测试；第二，这些方法缺乏对复杂应用交互，特别是文本输入的关注。现有工具要么生成完全随机的文本，要么输入少量固定词汇，无法像真实用户那样生成符合上下文、有意义的文本，这导致许多需要特定文本输入才能进入的深层活动（Activity）无法被探索，严重限制了测试覆盖率和缺陷发现能力。因此，本研究的目标是开发一个轻量级、上下文感知的自动化GUI测试工具Camdroid，旨在通过利用历史上下文知识和生成情境感知的文本输入，高效探索Android应用的活动，提升活动覆盖率和崩溃检测能力。
二、研究的详细工作流程 Camdroid是一个集成了模型化测试策略与数据驱动文本输入生成的系统。其工作流程主要包含两个核心组件：事件选择与文本输入生成。研究流程可概括为以下几个步骤：
1. 基于模型的测试工具构建与事件选择 此部分旨在解决“巨大且动态变化的搜索空间”这一挑战。Camdroid将应用的活动抽象为状态（State），将界面上可交互控件（Widget）的关键身份（如资源ID、文本描述等）及其允许的操作抽象为事件（Event）。它构建并维护一个状态转换模型，用于记忆事件-活动转换的历史概率，即一个事件导致进入某个活动的概率。该模型会在每次事件执行后更新，并且能够在后续测试运行中被重用，从而积累并利用上下文知识。
为了在状态空间大小与建模精度之间取得平衡，Camdroid设计了精细的小部件抽象规则。只有当两个小部件在六个属性（所属活动、内容描述、文本、资源ID、类名、允许操作）上完全一致时，才被归类为同一事件。这种设计保证了高精度的功能抽象，避免了因属性值缺失或重叠而导致的误分类。
在事件选择策略上，Camdroid采用了一步引导与多步引导相结合的混合方法。一步引导直接利用状态转换模型，计算每个事件能到达新活动（即当前测试中尚未访问过的活动）的概率，并依据此概率分布选择事件，旨在快速探索未覆盖区域。多步引导则引入了Q-learning强化学习算法，用于处理需要一系列连续事件才能到达的深层活动。Q-learning通过维护一个Q值表，评估执行某个事件后在未来获得奖励（即发现新活动）的潜力。奖励函数的设计综合考虑了事件层面（执行次数少、到达新活动概率高的事件奖励高）和活动层面（访问次数少、包含未执行事件多的活动奖励高）。在测试过程中，当模型或Q表积累了足够信息后，Camdroid会智能地在这两种引导策略间切换，以最大化探索效率。
此外，Camdroid还重构了测试流程以处理不可逆操作（如登录）。它通过基准实验识别出此类操作，并智能地选择执行时机——只有在当前活动上的所有其他小部件都至少被执行过一次后，才选择执行不可逆操作，从而确保在操作前后都能充分探索相关界面。
2. 数据驱动的文本输入生成 此部分旨在解决“文本输入生成”这一挑战。Camdroid采用了一种“预生成-选择”的轻量级管道，以避免在测试过程中实时调用大型语言模型带来的效率开销。
研究阶段（预训练与生成）： 首先，为了理解真实应用中文本输入的场景和类别，研究者对大型Android UI数据集RICO进行了详细分析。他们筛选出包含文本输入控件的页面，并使用BERT模型将每个输入场景（包括控件上下文如提示文本、资源ID和应用元数据如类别、活动名）编码为一个特征向量。通过对6846个文本输入场景的聚类分析，最终识别出81个文本输入类别。
其次，为了捕捉不同类别文本输入之间的关联性（例如，订票应用中的目的地与后续酒店预订的城市通常一致），研究者选取了11个涵盖各类别的公共数据集（如用户资料、产品信息、地理位置数据集），通过回归模型和F检验分析了各属性间的统计相关性。基于分析结果，他们将81个类别进一步划分为33个独立类别和48个非独立类别。独立类别的文本内容分布可以在不同应用类型中单独拟合，而非独立类别的内容则依赖于独立类别。
最后，基于以上分析，Camdroid在测试前完成文本生成。对于每个独立类别，根据应用类型确定其内容的统计分布函数（例如，年龄、城市名、新闻关键词等），并据此生成相应的文本输入。然后，利用一个预训练的生成对抗网络（Generative Adversarial Network, GAN），以所有独立类别的生成文本为输入，自动生成所有非独立类别对应的文本。这样，Camdroid就为81个输入类别生成了大量备选的、且符合真实世界关联性的文本输入，并将每个文本与其对应的场景特征向量（称为输入上下文向量）关联存储。
测试阶段（选择与填充）： 在测试过程中，当Camdroid的事件选择组件选中一个需要文本输入的事件时，文本生成组件被激活。它首先将当前GUI控件的上下文实时编码为一个特征向量。然后，计算该向量与81个预先生成的输入上下文向量之间的BERTScore（一种基于BERT的句子相似度度量）。最后，选择与当前上下文最相似（BERTScore最高）的输入上下文向量所对应的预生成文本，填入输入框。这种方法确保了生成的文本高度贴合当前的GUI场景，且选择过程非常高效。
3. 实现与评估 研究团队基于Android Monkey的源代码实现了Camdroid原型。它采用客户端-服务器架构，客户端通过ADB安装，无需修改被测应用或设备，兼容Android 10-13。事件选择和文本生成逻辑在服务器端执行，历史上下文信息存储于在线数据库，对设备资源占用极小。
为了评估Camdroid的有效性，研究者从Google Play选取了10个类别共20款广泛使用的应用作为测试基准。他们将Camdroid与三个业界先进的自动化测试工具进行了对比：Monkey（完全随机）、APE（基于模型）、Fastbot2（基于概率模型和强化学习）。实验设置遵循前人的工作，每个工具在每个应用上运行1小时测试，重复5次，以平均活动覆盖率和检测到的崩溃总数作为性能评价指标。
三、研究的主要结果 实验结果显示，Camdroid在所有评估指标上均显著优于基线工具。
1. 活动覆盖率： 在20个应用上，Camdroid取得了最高的活动覆盖率。其平均活动覆盖率是Monkey的3.69倍，是APE的1.94倍，是Fastbot2的1.25倍；中位数活动覆盖率分别是这三者的5.45倍、2.11倍和1.27倍。尤其对于活动数量多、复杂度高的应用（如Booking.com和AliExpress），Camdroid的优势更为明显，这表明其模型化策略和文本输入生成能有效应对复杂的探索挑战。
2. 崩溃检测： 尽管所选应用均为正式发布的应用，经过充分测试，Camdroid在1小时的测试中仍然成功检测出34个独特的崩溃。相比之下，表现最好的基线工具Fastbot2仅检测到18个崩溃，Monkey和APE分别只检测到4个和8个。所有Camdroid发现的崩溃均可被可靠复现。这直接证明了其更高的探索深度和有效性。
3. 消融研究与文本生成技术的普适性： 为了分离Camdroid两个核心组件的贡献，研究者进行了消融实验。 * 首先，测试了不带文本输入生成功能的Camdroid（C-T）。结果显示，即使仅依靠其模型化测试策略，C-T的平均活动覆盖率和崩溃检测数量（分别为16.7%和21个）也已超越所有基线工具，证明了其事件选择策略的有效性。 * 其次，研究者将Camdroid的文本输入生成技术单独集成到Monkey、APE和Fastbot2中。结果显示，该技术能普适地提升这些工具的性能：Monkey、APE、Fastbot2的活动覆盖率分别提升了1.13倍、1.19倍和1.15倍；崩溃检测数量分别提升了1.75倍、1.89倍和1.78倍。这有力地证明了所提出的数据驱动文本生成方法本身具有很高的独立价值和适应性。
四、研究的结论与价值 本研究的结论是：Camdroid，作为一种上下文感知的模型化GUI测试方法，通过结合事件-活动转换的一步引导和强化学习的多步引导，有效利用了历史测试的上下文知识，实现了对Android应用活动的高效探索；同时，通过基于公开数据集预训练GAN并采用预生成-选择管道，能够像真实用户一样生成符合GUI上下文的文本输入。在20个流行应用上的评估表明，Camdroid在活动覆盖率、崩溃检测效率和通用性方面均显著优于当前先进的测试工具。
该研究的科学价值在于：1) 提出了一种有效结合历史上下文知识与实时探索策略的混合模型化测试框架；2) 创新性地将用户画像、应用元数据与GUI上下文结合，通过数据驱动的方式解决自动化测试中的文本输入生成难题，并考虑了多输入间的关联性；3) 证明了利用现有公共数据集训练生成模型，可以在不牺牲效率的前提下，生成高质量、情境感知的测试输入。
其应用价值巨大：Camdroid作为一个轻量级、无需修改应用、且能有效提升测试覆盖率和缺陷发现率的工具，可直接应用于工业界的持续集成（Continuous Integration, CI）/持续交付（Continuous Delivery, CD）流程中，帮助开发团队快速反馈新版本的质量，降低测试成本，提升应用稳定性。
五、研究的亮点 1. 策略创新： 创造性地将基于概率模型的一步历史引导与基于强化学习的多步未来引导相结合，形成了高效的事件选择策略。 2. 文本生成方法创新： 提出“预生成-选择”的轻量级管道，利用公共数据集和GAN模型离线生成大量情境化文本，测试时仅需快速匹配，在保证文本质量的同时极大提升了测试效率，避免了LLM实时推理的开销。 3. 对现实复杂性的深入处理： 不仅考虑了通用的GUI探索，还专门处理了不可逆操作、文本输入关联性等现实测试中的关键难题，使工具更贴合实际需求。 4. 显著的性能优势与普适性： 实验数据充分证明了Camdroid在覆盖率和缺陷发现上对现有先进工具的显著超越，且其文本生成组件被证明能独立提升其他测试工具的性能，具有很强的实用和推广价值。 5. 详实的实证研究： 研究基于大规模数据集（RICO）进行分析，并选取了涵盖多类别的20款真实、复杂的流行应用进行基准测试，评估结果具有很高的说服力。