基于数据驱动的移动端用户体验优化研究

发布时间：2020-07-15 17:19

【摘要】：移动计算作为一种新型信息技术,通过智能移动设备实现无线环境下的数据传输与资源共享,将信息准确、实时地提供给处于任何地点的任何用户。因此,近年来移动计算已成为一个新的研究热点。作为移动计算与用户交互的最顶层接口,智能手机等智能移动终端上的移动应用程序(APP)已彻底改变了人们的生活方式。然而,APP在带给人们便利的同时,也经常给移动终端用户带来诸如APP闪退、系统资源消耗异常,甚至个人隐私数据泄露等严重问题,导致用户体验较差。因此,优化APP的移动端用户体验,对促进移动生态系统健康发展有着重要的意义。APP经常在动态运行时发生崩溃和隐私数据泄露问题。不同于传统桌面应用软件,APP在移动端的运行状态随用户、移动设备、地点、网络等因素的变化而呈现出巨大的差异,给现有的分析方法带来诸多挑战,如APP运行状态样本采集困难、分析APP用户体验问题效率低下、大规模应用较为困难等。为此,本文提出一个基于数据驱动算法的端到端系统框架。该框架通过智能化采集用于用户体验分析的数据,利用APP行为分析算法,实现对APP用户的负面体验自动分析。具体的,本文主要工作和贡献概括如下:首先,提出一个有效采集影响APP运行状态的移动端数据采集平台架构,采集的数据包括用户输入数据、APP内部数据、环境数据以及设备配置数据。其中,针对环境数据和设备配置数据这两个最具挑战性的数据采集问题,分别设计了 RainDrops和ContextLib采集子平台。具体的,在RainDrops中,设计了一个App分离式执行模型,它将APP中与实时运行环境和所在设备配置数据敏感的代码转移到远程物理设备上运行,从而实现了大规模的从真实移动设备上采集运行环境和设备配置数据。在ContextLib中,实现一个从真实数据中采样的运行环境和设备配置数据模拟库。该子平台通过搜索代表性数据样本,利用机器学习方法过滤冗余数据,从而实现一个全面、简洁、可重复试验的数据样本封装库。实验结果表明,通过采集这四类数据,系统可以捕捉更多不易被检测到的APP负面体验问题。其次,系统的可用性要求时间成本较低。为此,提出减少、优化用于分析APP行为的数据样本采集优化算法。采集算法包括(1)优化用户输入数据的TARA算法,(2)优化APP内部数据的Snowdrop服务,和(3)减少环境数据和设备配置数据的ContextPrioritizer算法。具体的,TARA利用静态分析技术,搜索可触发APP访问隐私数据的最短用户交互路径。Snowdrop结合自动测试数据生成算法,提出基于NLP的启发式算法,从而实现对APP后台服务测试数据的有效自动生成。ContextPrioritizer提出一个APP相似集合的概念,设计基于历史数据的测试用例排序算法,为APP挑选出具有最高测试优先级的环境和设备配置数据样本。实验结果表明,在不影响系统准确率的前提下,TARA比随机UI自动化方法节省85.3%的实验时间,Snowdrop比随机数据生成算法减少约76%的测试数据,ContextPrioritizer搜索的APP负面体验问题比随机排序算法多47.63%。最后,提出端到端的Caiipa和Privet系统。Caiipa和Privet结合了动态分析技术,建立模型分析APP运行状态与用户体验问题的关联,自动化分析APP负面体验问题。具体的,Caiipa 系统基于 ContextLib,ContextPrioritizer 和 Snowdrop生成的数据,提出APP运行状态异常点检测算法,并对于235个Windows 8 Store APP,30 个 Windows Phone 8 APP,848 个 Android APP 进行自动化测试分析。实验结果表明,Caiipa发现9,103个崩溃漏洞和4,589个系统资源消耗异常问题,比当前基于UI自动化测试的实验结果分别多11.4倍和8.8倍。Privet系统基于TARA生成的UI执行路径,结合敏感度分析技术评估隐私数据与APP功能的关联性,并对1,000个Android APP进行自动化隐私风险评估。实验结果表明,Privet发现48.7%的APP中至少存在一次敏感数据泄露行为。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP311.56
【图文】：

体系,平台,环境数据,架构

ＡＰＰ用户体验问题。逡逑１．３研究内容逡逑本文系统研宄框架如图１．１所示，通过智能化采集用于用户体验分析的数据，逡逑利用ＡＰＰ行为分析算法，实现对ＡＰＰ用户的负面体验自动分析。具体来说，（１）逡逑考虑现实中ＡＰＰ在不同的运行场景中呈现出不同的行为特征，设计移动端数据逡逑采集平台架构智能化采集驱动相关运行场景的数据。（２）对于移动端数据采集逡逑平台架构采集的数据设计算法进行优化，采集代表性数据样本，从而减少动态分逡逑析过程的时间，提高测试覆盖率。（３）为应用商店平台设计端到端的系统，分析逡逑ＡＰＰ的负面用户体验如ＡＰＰ崩溃、系统资源消耗异常和隐私泄露风险问题。逡逑本文的主要研宄内容如下：逡逑针对ＡＰＰ多样的运行状态对分析移动端用户体验效率的影响，设计一个新逡逑的数据采集平台采集影响ＡＰＰ运行状态的数据，即环境数据、设备配置数据、用逡逑户输入数据和ＡＰＰ内部数据。移动端数据采集平台架构为使用数据驱动方法提逡逑供了足够数量的数据样本。对于难以采集的环境数据和设备配置数据，移动端数逡逑据米集平台架构设计ＲａｉｎＤｒｏｐｓ和ＣｏｎｔｅｘｔＬｉｂ平台。具体而言

示意图,数据采集平台,示意图,执行端

本章提出对于移动端用户体验的优化，需要一个不同于传统的数据采集平逡逑台。该数据采集品台是一个分离执行逻辑架构，其中控制器控制运行逻辑，执行逡逑端（移动设备模拟器或真实物理设备）具体执行的新架构。如图３．１所示，控制逡逑端从海量的影响ＡＰＰ运行状态的影响因素中采样其数据，执行端负责模拟接收逡逑到的采样的数据，并复制ＡＰＰ的运行状态，记录ＡＰＰ的行为状态，最后将曰志逡逑传回控制器端进行后续处理。具体而言，控制器端由针对不同数据采集及优化的逡逑逦、执行邋逦逡逑控制器邋■逦＞邋执行端逡逑￣ｎ逦行状态逦逡逑采梓Ｕ藤Ｉ逡逑ｆＢＥＳＳＨｋ逦￣逦ｆｌＲＳＳＳＢＢ逡逑ｎ邋ｕ邋＾逦Ｌｉ逡逑＾腰＾邋Ｈ邋—冒＾桯逡逑图３．１数据采集平台示意图逡逑１６逡逑

示意图,系统架构,分离式,示意图

运行状态的要求和设计。逡逑３．２．３．邋ＲａｉｎＤｒｏｐｓ邋系统架构逡逑图３．２表明了邋ＲａｉｎＤｒｏｐｓ的架构图。具体而言，协调控制器控制和管理两中逡逑不同的运行容器：云端模拟器端和物理设备端。其中，云端将提供：（１）运行移逡逑动设备模拟器，（２）供开发者提交的测试用例。另一方面，物理设备端运行轻逡逑量级的Ｐｈｏｎｅ邋Ａｇｅｎｔ应用程序，其负责接收和执行从云端发送过来的远程命令。逡逑表３．３列举出了邋Ｐｈｏｎｅ邋Ａｇｅｎｔ端负责执行的与环境数据和设备配置数据有关的系逡逑统ＡＰＩ种类。逡逑不同于已有的测试方案，ＲａｉｎＤｒｏｐｓ将ＡＰＰ代码解耦成在云端容器和物理设逡逑备容器执行的部分。下面将解释这种分解对于移动ＡＰＰ的可行性。移动ＡＰＰ通逡逑常有三个独特的功能块：ＵＩ部分，操作系统用户模式的计算部分和操作系统内逡逑２４逡逑

【相似文献】