[논문] 자율 소프트웨어 테스트에서 AI가 생성한 테스트 산출물에 대한 거버넌스 통제

출처: arXiv - 2606.08806v1

개요

인공지능(AI)과 대형 언어 모델(LLM)은 자율 소프트웨어 테스트에 점점 더 많이 활용되고 있지만, AI가 생성한 테스트 산출물은 종종 환각, 규정 위반, 보안 위험, 그리고 제한된 설명 가능성 문제를 안고 있다. 이러한 AI‑생성 테스트 산출물의 신뢰성, 투명성 및 신뢰성을 높이기 위해 본 연구는 거버넌스 인식 자율 테스트 프레임워크(GATF) 개념을 도입한다. 이 프레임워크는 자율 테스트 라이프사이클에 거버넌스 검증, 설명 가능성 분석, 확률적 위험 평가, 규정 모니터링 및 감사 거버넌스를 추가한다. 실험은 Defects4J와 PROMISE 소프트웨어 공학 데이터셋을 이용해 수행되었다. 제안된 프레임워크는 거버넌스 관련 위험을 89.6% 감소시켰으며, 거버넌스 정확도 94.3%, 산출물 신뢰도 96.5%, 규정 정확도 94.2%, 설명 가능성 성능 **90.8%**를 달성했다. 결과는 거버넌스를 고려한 자율 테스트 시스템이 기존 AI 기반 테스트 시스템에 비해 신뢰성, 투명성 및 운영 보안을 크게 향상시킬 수 있음을 보여준다. 제안된 아키텍처는 확장 가능하고 안정적이며, 소프트웨어 테스트를 위한 안전한 환경을 제공한다.

주요 기여

본 논문은 다음 분야의 연구를 제시한다:

• cs.SE
• cs.AI

방법론

자세한 방법론은 전체 논문을 참고하시기 바랍니다.

실무적 함의

본 연구는 cs.SE 분야의 발전에 기여한다.

저자

• Dimple Bajaj
• Deepak Khetan

논문 정보

• arXiv ID: 2606.08806v1
• 분류: cs.SE, cs.AI
• 발표일: 2026년 6월 7일
• PDF: PDF 다운로드