DroidMeter: A Measurement Tool to Study Embedded Web Pages
传统的Web浏览涉及在浏览器上键入URL并加载Web页面。相比之下,在移动设备上还有另一种形式的Web浏览,即,嵌入式Web浏览,当移动应用程序在应用程序中嵌入Web页面时发生。当用户导航到应用程序中的特定页面时,Web页面将从应用程序中加载。然而,人们对这些嵌入式Web页面的流行程度或性能知之甚少。为了大规模分析嵌入式Web浏览性能,我们设计并实现了DroidMeter,这是一个可以自动搜索应用程序内嵌入式Web页面、触发页面加载和检索性能指标的工具。
2019-01-21 cs.SE
JavaScript Dead Code Identification, Elimination, and Empirical Assessment
本研究提出 Lacuna 方法自动检测并消除 JavaScript 死代码,并通过实验证明其能改善移动 Web 应用加载时间并减少网络传输字节数。
2023-08-31 cs.SE
Generation of Web Apps with Agentic IDEs: An Empirical Assessment
University of Milano-Bicocca(米兰比可卡大学);Gran Sasso Science Institute(格兰萨索科学研究所)
本文通过对比Copilot、Cursor、Windsurf三款智能体IDE生成五个全栈网页应用的表现,发现其在生成常见模式时成熟度高,但生成分布式架构错误多,无法替代开发者,仅能辅助开发者构建软件。
2026-08-24 cs.SE
DroidLink: Automated Generation of Deep Links for Android Apps
移动应用程序(app)已成为手持设备上访问互联网的主要入口。与Web不同,每个网页都有一个可直接访问的全局URL,应用程序的特定“内容页面”只能通过从着陆页使用几个操作来浏览应用程序才能打开。应用程序之间的互操作性相当固定,因此限制了应用程序之间的增值“链接数据”。最近,已经提出了深度链接,以使得能够利用可访问的统一资源标识符(URI)在外部定位和打开应用的特定页面。然而,为移动应用程序实现深度链接需要应用程序开发人员进行大量手动工作,这可能非常容易出错且耗时。在本文中,我们建议DroidLink为现有Android应用程序自动生成深度链接。我们设计了一个适合自动生成的深度链接模型。然后,我们探讨了页面的过渡,并建立了一个导航图的基础上静态和动态分析的Android应用程序。接下来,我们实现了一种更新机制,该机制可以不断重新访问目标应用并发现新页面,从而为应用的每个页面生成深度链接。最后,我们重新打包了支持深度链接的应用,但不需要额外的部署要求。我们为一些流行的应用程序生成深度链接,并证明了DroidLink的可行性。
2016-05-23 cs.SE
Mitigating Redundant Data Transfers for Mobile Web Applications via App-Specific Cache Space
资源的冗余传输是影响移动Web应用程序性能的关键问题(也称为,应用程序)在数据流量、加载时间甚至能耗方面的性能。有证据表明,目前的缓存机制远远不能令人满意。从本机应用程序如何管理其资源的经验教训,在本文中,我们提出了ReWAP的方法,从根本上减少冗余传输,通过重组移动Web应用程序的资源加载。ReWAP基于一种高效的资源封装机制,将稳定的资源封装并维护到一个包中,这样的包应该始终从本地存储加载并通过显式刷新进行更新。通过检索和分析资源的更新,ReWAP维护资源包,可以准确地识别哪些资源可以从本地存储加载相当长的时间。ReWAP还为移动Web应用程序提供了一个包装器,以支持在本地存储中加载和更新资源包,以及从资源包中加载资源。ReWAP可以轻松无缝地部署到现有的移动Web架构中,只需进行最小的修改,并且对最终用户透明。我们评估ReWAP的基础上连续15天的访问跟踪50个移动Web应用程序,严重遭受冗余传输的问题。与启用缓存的原始移动Web应用程序相比,ReWAP可以显着减少数据流量,中位数节省高达51%。此外,ReWAP只会给客户端浏览器带来很小的运行时开销。
2016-12-09 cs.DC cs.SE
NoCodeGPT: A No-Code Interface for Building Web Apps with Language Models
针对ChatGPT构建Web应用界面不友好的问题,提出NoCodeGPT工具,通过注入上下文信息、自动保存文件及版本控制功能,帮助无经验用户仅用提示即可构建小型Web应用,显著提升了任务完成率。
2025-05-31 cs.SE
BabelView: Evaluating the Impact of Code Injection Attacks in Mobile Webviews
Webview在移动应用程序中嵌入了一个成熟的浏览器,并允许应用程序向JavaScript代码公开自定义接口。这是一种构建所谓的混合应用程序的流行技术,但它绕过了浏览器的通常安全模型:注入Webview的任何恶意JavaScript代码都可以访问接口,并可以使用它来操纵设备或泄露敏感数据。在本文中,我们提出了一种方法,系统地评估可能的影响代码注入攻击对Webviews使用静态信息流分析。我们的关键想法是,通过使用可能的攻击者行为模型(BabelView)来检测应用程序,我们可以使有关JavaScript语义的推理变得不必要。我们对来自不同Android市场的11,648个应用程序进行了评估,在1,663个应用程序中发现了2,677个漏洞。总的来说,这些被报告为易受攻击的应用程序在全球安装量超过8.35亿。我们手动验证了66个应用程序的随机样本,并估计我们的全自动分析在66%的召回率下达到了90%的准确率。
2018-10-09 cs.CR cs.SE
Style-Guided Web Application Exploration
针对现代Web应用程序的各种分析和测试技术都依赖于通过触发模拟用户交互的事件来自动探索其状态空间。然而,找出哪些元素在Web应用程序中是可操作的并不是一项简单的任务。为了提高探索Web应用程序的事件空间的效率,我们提出了一个独立于浏览器的,无工具的方法,基于结构和视觉风格的线索。我们的方法在一个名为StyleX的工具中实现,采用机器学习模型,在来自1,000个真实网站的70万个网络元素上进行训练,以先验地预测网页上的可操作元素。此外,我们的方法在探索应用时使用风格线索对这些可操作元素进行排序,当考虑点击事件监听器时,我们的可操作预测模型达到了90.14%的准确率和87.76%的召回率,当考虑五种最常见的事件类型时,平均达到了75.42%的准确率和77.76%的召回率。我们的评估表明,StyleX可以提高JavaScript代码覆盖率达到了23%的通用爬虫。
2021-11-23 cs.HC cs.SE
More Insight from Being More Focused: Analysis of Clustered Market Apps
本文针对移动应用分析中样本异质性问题,采用DBSCAN聚类对F-Droid的940个开源应用进行同质化分组,发现聚类分析比全局分析提供更多洞察,且基于LDA主题的相似性定义无显著增益。
2024-05-24 cs.SE
Automating Release of Deep Link APIs for Android Applications
与Web不同,每个网页都有一个全局URL可供访问,移动应用程序中的特定“内容页面”无法打开,除非用户从着陆页通过几个操作探索应用程序。最近,大公司提倡使用深度链接,以便通过可访问的统一资源标识符(URI)在外部定位和打开应用程序的特定页面。为了实证调查采用深度链接的实践状况,在本文中,我们对超过20,000个Android应用程序的深度链接进行了最大规模的实证研究,发现深度链接在当前的Android应用程序中没有得到广泛采用,并且应用程序开发人员需要付出不小的手工努力来支持深度链接。为了解决这个问题,我们提出了阿拉丁方法和支持工具,以释放深层链接来访问现有应用程序的任意位置。Aladdin实例化了我们新颖的合作框架,以协同地结合静态分析和动态分析,同时最小限度地吸引开发人员向框架提供输入以实现自动化,而不需要任何编码工作或额外的部署工作。我们用流行的应用程序来评估阿拉丁,并展示其有效性和性能。
2017-12-01 cs.SE
Web Test Dependency Detection
由于现代Web应用程序的异构多层性质,E2E Web测试套件易于测试依赖性,这使得开发人员难以为每个测试用例创建隔离的程序状态。在本文中,我们提出了第一种方法,用于检测和验证E2E Web测试套件中存在的测试依赖关系。我们的方法采用字符串分析,从测试代码中提取一组近似的依赖关系。然后,它通过测试名称的自然语言处理过滤潜在的假依赖关系。最后,它验证所有的依赖关系,并使用一种新的恢复算法,以确保没有真正的依赖关系,在最终的测试依赖图丢失。我们的方法是在一个名为TEDD的工具中实现的,并在六个开源Web应用程序的测试套件上进行了评估。我们的研究结果表明,TEDD可以正确地检测和验证测试的依赖性高达72%的速度比基线与原始的测试顺序,其中图包含所有可能的依赖性。TEDD生成的测试依赖图实现了测试执行的并行化,加速系数高达7倍。
2019-10-10 cs.SE
Release Practices for Mobile Apps--What do Users and Developers Think?
大型软件组织,如Facebook或Netflix,使用连续交付每天甚至每小时发布Web应用程序,不得不投入巨资为其移动应用程序定制发布策略,因为应用程序商店的审查过程会给发布过程带来滞后和不确定性。在这些大型的、资源丰富的组织中,我们不知道移动应用程序开发人员是如何组织应用程序发布的,即使不正确的策略可能会给市场带来过早的应用程序更新,从而将客户推向激烈的市场竞争。为了了解移动应用程序的常见发布策略、其背后的原理及其对用户的影响,我们对用户和开发人员进行了两次调查。我们发现,有一半的开发者对他们的移动应用发布有一个明确的策略,因为特别是经验丰富的开发者认为这会影响用户反馈。我们还发现,用户知道新的应用程序更新,但只有一半的受访用户启用自动更新的应用程序。虽然发布日期和频率不是安装应用程序的决定性因素,但用户更喜欢安装更新最近和更新频率较低的应用程序。我们的研究表明,应用程序的发布策略是影响移动应用程序持续成功的一个因素。
2019-10-20 cs.SE
Web API Fragility: How Robust is Your Web API Client
Web API为应用程序到应用程序的交互提供了一种系统的、可扩展的方法。大量的移动应用程序使用Web API将服务集成到应用程序中。每个Web API的发展速度由其各自的开发人员决定,移动应用程序开发人员被迫在其软件发展任务中伴随API提供商。在本文中,我们调查移动应用程序开发人员是否理解以及他们如何处理Web API发展带来的额外困扰。特别是,我们研究了48个高配置移动应用程序在处理突变的Web API响应时的鲁棒性。此外,我们采访了三位移动应用程序开发人员,以更好地了解他们在Web API集成方面的选择和权衡。
2014-07-16 cs.SE
ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks
KAIST(韩国科学技术院);Microsoft Research Montréal(微软蒙特利尔研究院);Microsoft AI(微软人工智能)
ProgramDistill通过交互式参考应用生成可验证的软件工程任务,构建了包含4,063个任务的基准,评估编码智能体,发现GPT-6 Astra和Claude Opus 5在完整重建中成功率分别为49.2%和28.8%,并随恢复深度增加而下降。
2026-09-17 cs.AI cs.SE
Software Product Line for Metaverse: Preliminary Results
Metaverse是通过互联网基础设施相互连接的延展实境应用程序(XR应用程序)网络,允许网络用户,系统和设备访问它们。针对XR应用程序实施解决方案是非常具有挑战性的,因为需要解决的问题非常复杂:多个用户使用非传统的输入和输出设备,需要解决的硬件平台不同,交互速率高,以及实验性交互技术等问题。因此,这项工作的目的是提出一种基于软件产品线(SPL)的方法来支持Web XR应用程序的开发。更具体地说,我们定义了一个表示相似性和变量的功能模型(域分析);我们定义了一个由通用和可重用软件工件组成的核心(域项目);我们开发了一个接口来支持Web XR应用程序系列的实例化,名为MetaSee Features Model Editor(域实现)。这种方法与MetaSEE架构的一个组件(用于软件工程教育的元宇宙)集成。初步评估发现,从Web XR应用程序多模态交互的复杂性来看,特征模型具有概念上的一致性。作为未来的工作,特征模型和工件将随着改进而增加,并将进行大量参与者的评估。
2022-09-20 cs.HC cs.SE
WebCoderBench: Benchmarking Web Application Generation with Comprehensive and Interpretable Evaluation Metrics
本文提出WebCoderBench,首个基于真实用户需求的Web应用生成基准,包含1572个真实用户需求及24个细粒度评估指标,结合规则和LLM评估方法,提供可解释的评估结果,实验显示无单一最优模型,为模型优化提供方向。
2026-08-03 cs.AI cs.SE
To the Attention of Mobile Software Developers: Guess What, Test your App!
软件测试是软件开发生命周期中的一个重要阶段,因为它有助于在软件系统交付给最终用户之前识别软件系统中的错误。有许多关于开发人员如何测试通用软件应用程序的研究。然而,移动软件应用程序的特性将移动应用程序与通用系统(例如,桌面、独立应用程序、Web服务)。本文研究了移动软件开发人员在测试方面的工作习惯和挑战。我们使用1000个Android应用程序进行了详尽的研究,其中一个关键发现表明,移动应用程序仍然以非常特殊的方式进行测试,如果进行测试的话。然而,我们表明,与其他类型的软件一样,测试提高了应用程序的质量(在用户评分和代码问题数量中得到证明)。此外,我们发现有证据表明,在吸引社区为移动开源软件做出贡献时,测试至关重要。我们讨论的原因和潜在的方向,以解决我们的研究结果。我们研究的另一个相关发现是,持续集成和持续部署(CI/CD)管道在移动应用程序世界中很少见(只有26%的应用程序是在使用CI/CD的项目中开发的)-我们认为主要原因之一是由于缺乏详尽和自动测试。
2019-02-14 cs.SE
FlowCheck: Helping End-Users Specify and Verify Intent in Vibe-Coded Web Apps
Columbia University(哥伦比亚大学)
FlowCheck是一种约束语言,可通过界面指定氛围编码Web应用的信息流,经评估其能准确标记注入的30个约束违规,优于前沿大语言模型,可帮助氛围编码人员以界面形式表达意图并确定性检查代码。
2026-09-01 cs.HC cs.PL cs.SE
When Web Apps Heal Themselves: A MAPE-K Based Approach to Fault Tolerance and Adaptive Recovery
Information Technology Department, Bukidnon State University(布基农州大学信息科技系)
本文提出一种基于MAPE-K模型的模块化自我修复框架,结合AutoFix机制实现自适应故障恢复,通过实验验证该框架在故障检测和恢复中的有效性,提高了Web应用的容错性和适应性。
2026-05-19 cs.AI cs.HC cs.PL
AndroVault: Constructing Knowledge Graph from Millions of Android Apps for Automated Analysis
Android数据驱动的研究近年来获得了很大的发展势头。数据的丰富为知识学习提供了便利,但同时也增加了数据预处理的难度。因此,为研究准备一套要求严格且准确的数据是很重要的。本文提出了AndroVault框架,它是一个集数据汇集、知识表示和知识抽取为一体的Android研究框架。它从2013年开始使用长期运行的网络爬虫进行数据汇集(包括应用和描述),这保证了数据的及时性;通过对收集的数据进行静态分析和动态分析,我们计算各种属性来表征Android应用。之后,我们使用知识图谱通过计算属性方面的相关性来连接所有这些应用程序;最后,我们利用逻辑推理,机器学习和相关性分析等多种技术来提取对特定研究问题有益的事实(更准确和要求更高的数据,无论是否是高级数据)。利用这些高质量的数据,我们成功地进行了许多研究工作,包括恶意软件检测,代码生成和Android测试。我们希望以认证的方式向研究界发布我们的数据,并鼓励他们进行富有成效的研究。
2017-11-21 cs.CR cs.SE
Scripted GUI Testing of Android Apps: A Study on Diffusion, Evolution and Fragility
背景有证据表明,移动应用程序没有像桌面应用程序那样经过彻底测试。特别是GUI测试通常是有限的。与基于Web的应用程序一样,移动应用程序也存在GUI测试脆弱性,即GUI测试类由于GUI中的微小修改而失败,而应用程序功能没有改变。目标。我们研究的目的是检查Android上GUI测试的扩散,以及保持测试类保持最新所需的更改量,特别是由于GUI测试脆弱性而导致的更改。我们定义的指标来表征测试类和测试方法的修改和演变,以及代理估计脆弱性引起的变化。法为了进行我们的实验,我们选择了六个广泛使用的开源工具,用于以前在文献中描述的移动应用程序的脚本GUI测试。我们已经挖掘了GitHub上使用这些工具的存储库,并计算了我们的指标集。结果我们发现,没有一个被考虑的GUI测试框架在GitHub上可用的开源Android项目中实现了重大传播。对于GUI测试项目,我们发现测试套件必须经常修改,具体来说,开发人员修改的LOC中有5%-10%属于测试,并且此类修改的相关部分(平均60%)是由脆弱性引起的。结论. GUI测试类的脆弱性是一个相关的问题,可能是开发人员采用自动化脚本GUI测试的障碍。Android脚本化GUI测试脆弱性的首次评估和测量可以为开发人员提供基准,并为脆弱性原因分类的定义奠定基础,以及缓解问题的可行指南。
2017-11-09 cs.SE
CRUD-Capable Mobile Apps with R and shinyMobile: a Case Study in Rapid Prototyping
本文以生态瞬时评估应用 Harden 为例,展示如何利用 R、shinyMobile、PostgreSQL 和 Google Cloud Run 快速开发具备完整 CRUD 能力、交互图表和实时统计功能的跨平台移动应用,并论证了该框架在统计移动应用快速原型开发中的高效性。
2024-09-01 cs.SE stat.ME
Software engineering for mobile applications, a survey on challenges and solutions
移动应用程序开发已成为软件工程的前沿。随着近年来许多智能手机平台的发展,包括但不限于webOS,黑莓OS,Tizen,Android和iOS。这些平台的共存导致了一个具有挑战性的情况,即应用程序必须开发和维护到相同的水平。移动应用程序开发场景最近出现了大量应用程序,这些应用程序适应了HTML5等Web元素,以产生类似于原生应用程序的应用程序,这些应用程序本质上是包装到容器中的Web视图,以显示为任何正常应用程序。这意味着应用程序的行为可以从一个用户到另一个用户有很大的不同,这意味着应用程序的行为可以发生很大的变化。因此,应用程序开发人员依赖于敏捷或临时的方法来进行开发,这种方法大多是自主的。在本文中,我们描述了在移动应用程序开发的上下文感知的艺术的当前状态。
2023-01-02 cs.SE
MobileRec: A Large-Scale Dataset for Mobile Apps Recommendation
University of Central Florida(中佛罗里达大学);University of Kentucky(肯塔基大学)
推荐系统在我们的数字生活中无处不在,从电子商务网站上的产品推荐到流媒体平台上的电影和音乐推荐。现有的推荐数据集,如Amazon Product Reviews和MovieLens,极大地促进了各自领域推荐系统的研究和开发。虽然移动用户和应用程序(又名应用程序)的数量在过去十年中呈指数级增长,但移动应用程序推荐系统的研究受到了极大的限制,主要是由于缺乏高质量的基准数据集,而不是产品,电影和新闻的推荐。为了促进应用推荐系统的研究,我们引入了一个名为MobileRec的大规模数据集。我们根据用户在Google Play商店上的活动构建了MobileRec。MobileRec包含1930万次用户交互(即,用户对应用程序的评论),在48个类别中拥有超过10K个独特的应用程序。MobileRec记录了总共70万不同用户的连续活动。这些用户中的每一个都与不少于五个不同的应用程序进行了交互,这与之前的移动应用程序数据集形成了鲜明对比,这些数据集只记录了每个用户的一次交互。此外,MobileRec还提供用户对已安装应用程序的评分和情绪,每个应用程序都包含丰富的元数据,如应用程序名称、类别、描述和总体评分等。我们证明,MobileRec可以作为一个很好的测试平台,通过比较研究几个国家的最先进的推荐方法的应用程序推荐。定量结果可以作为其他研究人员比较结果的基线。MobileRec数据集可在https:/…
2023-03-12 cs.IR cs.LG cs.SE
FUSION: A Tool for Facilitating and Augmenting Android Bug Reporting
随着移动智能设备的普及程度不断攀升,“应用程序”的复杂性不断增加,使得开发和维护过程具有挑战性。当前的错误跟踪系统缺乏关键特征来有效地支持具有直接导致错误解决的可操作信息的报告的构造。在这个演示中,我们提出了一个新的错误报告系统的实现,称为融合,方便用户在移动应用程序的错误报告中包括再现步骤。Fusion将用户提供的信息链接到通过测试或发布前执行的静态和动态分析提取的程序工件。初步研究的结果表明,与传统的问题跟踪系统相比,Fusion通过提供更详细的上下文应用程序信息,有效地促进了报告,并允许更可靠地再现报告中的错误。工具网站:www.fusion-android。视频网址:https://youtu.be/AND9h0ElxRg
2018-01-18 cs.SE
Concolic Testing of JavaScript using Sparkplug
针对JavaScript原地混合符号测试缓慢复杂的问题,提出结合V8 Sparkplug与remill的跟踪增强方法,在160个Node.js库上以更短时间达到相当的覆盖率和缺陷检测效果。
2024-05-10 cs.SE
AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents
Stony Brook University(石溪大学);Allen Institute for AI(艾伦人工智能研究所);Saarland University(萨尔大学)
针对现有工具使用基准仅支持简单API调用的不足,构建了包含9个应用和457个API的AppWorld执行环境及750项任务的基准,揭示GPT-4o等模型在交互式编码任务上的局限性。
2024-07-26 cs.AI cs.CL cs.LG
Mapping the Structure and Evolution of Software Testing Research Over the Past Three Decades
University of South Carolina(南卡罗来纳大学);University of Gothenburg(哥德堡大学)
背景:软件测试领域正在快速发展。目的:根据分配给出版物的关键字,我们试图确定主要的研究主题,并了解它们是如何连接和演变的。方法:我们应用共词分析映射的拓扑结构的测试研究作为一个网络,作者指定的关键字连接的边缘,表明在出版物中的同现。关键词根据边缘密度和连接频率进行聚类。我们研究最流行的关键词,将集群总结为高级研究主题,研究主题如何连接,并研究该领域如何变化。结果:测试研究可分为16个高层次主题和18个子主题。创建指导、自动化测试生成、演化和维护以及测试预言与其他主题有着特别强的联系,突出了它们的多学科性质。新兴的关键词涉及Web和移动应用程序、机器学习、能源消耗、自动程序修复和测试生成,而新兴的连接已经在Web应用程序、测试预言机和机器学习之间形成了许多主题。随机和基于需求的测试显示潜在的下降。结论:我们的观察,建议和地图数据提供了对该领域的更深入了解,并就挑战和探索联系提供了灵感。
2022-09-19 cs.DL cs.LG cs.SE
A Responsive Framework for Research Portals Data using Semantic Web Technology
针对研究人员从多源收集数据耗时费力的问题,提出一个基于语义Web技术的研究门户数据响应式框架,从Microsoft Academic和IEEE Xplore提取信息,实现语义组织,提升数据可访问性与知识发现效率。
2023-06-20 cs.DL cs.SE