Platformă de testare automată a aplicațiilor Android cu utilizarea modelelor lingvistice mari

Abstract

Prezenta lucrare de master reprezintă o cercetare aplicativă axată pe dezvoltarea unei platforme automate de testare a aplicațiilor Android, cu scopul de a optimiza procesele de verificare a software-ului mobil. Teza urmărește proiectarea și implementarea unui sistem care integrează explorarea sistematică a interfețelor (Ape), generarea contextuală a task-urilor (LangFlow) și execuția optimizată (AutoDroid), susținute de modele de limbaj de mari dimensiuni (LLM), contribuind astfel la reducerea efortului manual și la creșterea eficienței testării. Pentru realizarea acestei lucrări, au fost propuse și îndeplinite următoarele obiective: (1) Analiza cadrului teoretic privind testarea automată a aplicațiilor mobile și literatura de specialitate în domeniul LLM-urilor; (2) Evaluarea soluțiilor existente de testare automată, precum DroidBot și Appium, și identificarea limitărilor acestora; (3) Selectarea și integrarea tehnologiilor adecvate pentru dezvoltarea platformei, inclusiv Ape, LangFlow și AutoDroid; (4) Implementarea, testarea și evaluarea platformei pe un set de 10 aplicații Android, prezentând rezultatele experimentale obținute. Structura lucrării este organizată astfel: Capitolul 1. Introducere definește contextul testării automate și obiectivele cercetării. Capitolul 2. Arhitectura și designul platformei descrie componentele tehnice și metodologia de

dezvoltare. Capitolul 3. Implementarea și evaluarea platformei prezintă procesul de testare a aplicațiilor și analiza comparativă cu instrumentele tradiționale. Platforma a fost dezvoltată utilizând Python ca limbaj principal, cu integrarea bibliotecilor Ape, LangFlow și AutoDroid, susținute de LLM-uri precum ChatGPT și Hugging Face.

This master’s thesis represents an applied research focused on developing an automated testing platform for Android applications, aiming to optimize mobile software verification processes. The thesis pursues the design and implementation of a system that integrates systematic interface exploration (Ape), contextual task generation (LangFlow), and optimized execution (AutoDroid), supported by large language models (LLM), thereby contributing to reducing manual effort and enhancing testing efficiency. To achieve this work, the following objectives were proposed and fulfilled: (1) Analysis of the theoretical framework regarding automated testing of mobile applications and the relevant literature on LLMs; (2) Evaluation of existing automated testing solutions, such as DroidBot and Appium, and identification of their limitations; (3) Selection and integration of suitable technologies for platform development, including Ape, LangFlow, and AutoDroid; (4) Implementation, testing, and evaluation of the platform on a set of 10 Android applications, presenting the experimental results obtained. The structure of the thesis is organized as follows: Chapter 1. Introduction defines the context of automated testing and the research objectives. Chapter 2. Platform Architecture and Design describes the technical components and development methodology. Chapter 3. Implementation and Evaluation of the Platform presents the testing process of applications and a comparative analysis with traditional tools. The platform was developed using Python as the primary language, integrating Ape, LangFlow, and AutoDroid libraries, supported by LLMs such as ChatGPT and Hugging Face.