強化学習を用いたGraphQL APIの自動テスト手法の提案

抄録

GraphQLはAPIのクエリ言語であり，REST APIとは異なる構造を持っており従来の自動テスト手法の適用が難しいため，新たなアプローチが求められている．本研究は，強化学習を用いたGraphQL APIの自動テスト手法を提案する．提案手法では， Q学習を用いてテスト空間の探索を行う．スキーマを基にAPIのフィールドと引数を選択してリクエスト生成を行い，レスポンスに応じてQ値を更新する．これを繰り返して学習することにより，効率的なブラックボックステストを実現する．実験では，一般公開されているAPIを対象に，スキーマカバレッジとエラーレスポンスの割合を評価指標として提案手法の有効性を検証した．今後は，局所最適解を避けるためのQ値初期化や報酬設計の改善を図り，他手法との比較を通じてさらなる有効性を確認する予定である．