Investigación de Técnicas de Testing de software basadas en IA

Abstract

El proyecto se propuso diseñar un prototipo web no funcional que sirva como modelo de aplicación de técnicas de testing de software basadas en inteligencia artificial. Su objetivo principal fue analizar y comparar los enfoques de caja blanca, caja negra y caja gris, utilizando herramientas de automatización gratuitas para evaluar la eficacia de cada técnica en la detección de errores y vulnerabilidades en aplicaciones web. La metodología empleada fue de carácter descriptivo y cualitativo, complementada con un enfoque deductivo y de análisis. Se inició con una exhaustiva revisión bibliográfica y categorización de herramientas y técnicas, seguida de la implementación de casos de prueba específicos para cada enfoque. Se realizaron pruebas de regresión, mutación, penetración, funcionales, unitarias, de integración, usabilidad y seguridad, documentando los resultados en tablas comparativas que permitieron cuantificar el desempeño de cada técnica. Los resultados demostraron que el enfoque de caja gris obtuvo el mejor desempeño, integrando las ventajas de los enfoques de caja blanca y caja negra, con un alto porcentaje de éxito en pruebas de regresión y penetración. Por otro lado, aunque las pruebas de seguridad y funcionalidad en caja negra arrojaron resultados favorables, las pruebas de mutación presentaron limitaciones en la detección automatizada de alteraciones en el código. Las pruebas de caja blanca, mediante pruebas unitarias e integrales, evidenciaron la robustez en la validación de datos y funcionamiento de los módulos. En conclusión, la incorporación de inteligencia artificial en el testing de software se revela como una estrategia eficaz para mejorar la detección de errores y optimizar la calidad del software, siendo el enfoque de caja gris el más prometedor para futuras implementaciones.