JRT 0363-2026《金融业应用软件测试数据设计指南》

1本文件提供了金融业应用软件的测试数据定义、设计、准备、使用、销毁、归档、度量的指南。本文件适用于金融业的测试数据设计维护人员、数据管理人员、软件测试人员、软件开发人员开展测试数据设计、维护、管理相关工作。本文件没有规范性引用文件。下列术语和定义适用于本文件。测试环境testenvironment注：测试环境可包括多种环境以适应指定的测试子过程(单元测试环境、性能测试环境等)。[来源：GB/T38634.1注：元素的具体形式根据度量场景确定，如1条数据记录、1个字段值等。4.1基本原则为保证测试系统或系统部件的执行过程有效和结果准确，测试数据设计原则如下。b)有效性：数据符合测试要求、业务规则、权威参考数据。c)完整性：按照数据规则要求，数据内容对测试需求完整覆盖。d)一致性：数据与其他特定上下文使用的数据无矛盾。e)准确性：数据真实反映所描述实际对象。f)稳定性：数据在有干扰或破坏事件影响下仍能保持完整。4.2数据分类2测试数据根据执行方式分为静态分析测试数据和动态执行测试数据，具体描述如下。a)静态分析测试数据：在不运行被测系统和部件代码的情况下，用于检查代码规范、接口定义、控制逻辑等的数据。b)动态执行测试数据：在运行被测系统和部件代码时，用于驱动测试用例的数据。测试数据根据生成方式分为原始测试数据、构造测试数据、合成测试数据，具体描述如下。a)原始测试数据：保持软件正常运行的基本配置数据和以生产c)合成测试数据：基于统计模型、机器学习或人工智能(AI)算法生成的，具有真实数据统计特a)有效测试数据：为验证系统或部件正常处理能力，模拟4.2.4测试类型分类测试数据根据测试类型，分为功能性测试数据和非功能性测试数据，具体描述如下。a)功能性测试数据：涵盖系统正常和异常处理时所需的各类输入条件，用于检验系统在指定条件下满足明确或隐含功能要求程度的数据。b)非功能性测试数据：针对系统的性能效率、信息安全性、兼容性等质量特性设计，用于检验系测试数据设计是根据测试需求构建测试数据的方法。测试数据设计时宜考虑方面如下。a)数据范围：覆盖已识别的测试场景。b)数据规模：确认测试场景所需数据量。c)数据质量：遵循数据设计的基本原则，保证数据的准确性、完整性、一致性、有效性、稳定性。d)数据效率：高效地生成和管理数据。e)数据安全：保护敏感数据的隐私和安全。f)其他方面：综合考虑其他可能对数据设计产生影响的因素。测试数据范围包含业务数据、配置数据、环境数据。设计测试数据范围时，宜根据测试目标确定需覆盖待测试系统或部件的所有相关场景，包括正常场景和异常场景。数据规模指满足测试场景要求的数据量级和分布特征。设计测试数据时，在确保覆盖完整性的前提下，合理控制数据生成规模、存储成本、管理复杂度，以实现测试效率与资源成本的平衡。数据质量指数据能够满足测试需求的程度。测试数据宜根据业务规则或数据标准设计有效的数据类3型。测试数据设计时提高数据质量的方法如下。a)根据业务规则筛选符合条件的脱敏生产数据。b)根据字段规范通过业务操作或接口调用生成数据。c)根据字段规范，基于数据结构，通过脚本、工具等技术手段构造数据。d)根据数据标准构造数据。5.5评估数据效率a)数据集合效率。b)数据获取效率。c)数据执行效率。d)数据维护成本。注：维护成本包括但不限于数据存储、备份、恢复、审计等环节所消耗的资源。数据规模对上述效率维度具有潜在影响，在评估效率时结合数据规模因素进行综合考量。数据安全指对测试数据实施保护措施，以防止其受到意外或蓄意地存取、使用、修改、毁坏或泄密。当测试数据范围中包含用户或商业敏感信息、保密信息时，宜关注的安全维度如下。a)数据脱敏。b)数据权限。6数据准备测试数据可通过多种方式获取，在选择数据时宜遵循的原则如下。b)完整性：数据能覆盖正常测试场景和异常场景。c)时效性：初始收集的数据具有使用时效性；系统迭代时，测试数据宜同步更新。d)可复用性：生成的数据无需改变即可供不同场景使用或同一场景反复使用。6.2数据生成a)导入生产环境脱敏数据。b)使用测试环境中已有数据。c)根据业务规则构造数据。d)根据字段规范和数据标准构造数据。e)导入其他外部数据。6.3数据处理6.3.1数据转换数据转换宜考虑的内容如下。a)格式转换：数据转换成测试需求要求的格式。c)结构化：根据部分数据存在的数据结构方面要求，进行相关结构化操作。4d)序列化：数据转换为可以存储或传输的处理。6.3.2数据脱敏数据脱敏宜遵循的原则如下。a)脱敏后数据保留原数据的大部分特征，且原数据之间关联关系不被破坏，保持脱敏前后数据的一致性和有效性。b)脱敏后的数据不包含敏感数据，数据管理者可根据测试需d)脱敏过程可重复执行，在保证数据安全的前提下，以较低代价实f)根据数据敏感度等级，可采取差异化的脱敏策略：个人金融信息可按敏感度等级实施不同强度6.3.3数据裁剪测试数据裁剪在符合4.1所述基本原则的前提下进行，宜遵循的原则如下。a)可用性：针对生成的测试数据集，过滤垃圾数据和无用数据，提高测试数据质量，保证过滤后数据的可用性。b)最小化：为了提升测试效率和节约资源，在保留测试数据关联关系6.4数据部署测试数据部署人员在获取已处理的数据后，宜结合具体的测试环境条件，在规定的时间内完成数据部署，并记录数据部署情况。测试数据在使用环节宜进行风险控制，遵守维护规范，以防止数据泄露或不当使用。宜遵循的使用原则如下。c)使用环境：在规定测试环境中使用测试数据。d)使用时效：在规定时间周期内使用测试数据。测试数据使用过程中的风险控制措施如下。a)风险评估：在制定测试计划时，对测试数据可能存在的风险(敏感数据使用、脱敏、数据质量、数据合规性等)进行分析。b)风险管控：在使用过程中进行操作审计，对各个环节进行安全和风险管c)风险回溯：数据使用结束后，在测试总结报告中对已使用的测试数据风险情况进行回溯分析总7.3数据维护57.3.1数据维护涉及范围测试数据维护旨在为修改、删除、分享、复制、备份、恢复等各环节提供操作指导。测试数据在修改或删除时，宜评估修改或删除操作对配置数据、环境数据可能产生的整体影响。在测试数据维护过程中，可根据需要引入数据版本管理机制，并保留相应的数据修改说明。7.3.3数据分享和复制测试数据在分享和复制时宜遵循的原则如下。a)测试数据在安全可控的范围内使用，针对必须要分享或复制的数据，由测试数据使用者提出申请，获得批准后方可实施。b)测试数据使用者或组织提供相应技术手段保证数据分享或复制的安全。7.3.4数据备份和恢复测试数据在备份或恢复时宜遵循的原则如下。a)测试数据备份由数据使用者提出申请，数据管理者综合评估后实施。c)数据管理者提供技术手段保障备份数据的安全性、完整性、可恢复性。执行备份动作时，评估整体影响。d)测试数据恢复由数据使用者提出申请，数据管理者综合评估后实施。执行恢复动作时，评估整8数据销毁和归档测试结束或确认测试终止后，测试数据使用者宜与数据管理者共同决定测试数据是否需要销毁或归8.2数据销毁测试数据销毁宜遵循的原则如下。a)在保存周期外的测试数据可实施销毁，根据敏感度和重要性分级设定数据保存、销毁周期。b)判断需要销毁的测试数据，经测试数据管理者再次评估确认后实施销毁。c)数据销毁决策时，综合评估数据的复用价值、安全测试数据归档宜遵循的原则如下。b)归档测试数据经分类整理确认，保证完整性、准确性。c)归档测试数据实施严格的访问控制策略。9.1数据质量69.1.1数据质量涉及范围为保障测试执行过程有效、结果准确，宜从测试数据有效性、一致性、准确性、完整性、稳定性方面度量，评估数据质量。9.1.2有效性度量有效性度量用于评价测试数据符合测试要求、业务规则、权威参考数据的程度。有效性度量指标见表1。表1有效性度量指标测试数据对数据标准的符合程度。测试数据对数据模型的符合程度。的元素总数×100%测试数据对业务规则的符合程度。测试数据对权威数据集、权威参考源的符合程度。注：1.标准符合率中的数据标准，指数据相关国际标准、国家标准、行业标准、地方标准准。2.模型符合率中的模型，特指指导测试数据设计的数据结构模型，评估前提为该3.业务规则符合率中，测试数据设计需要以业务规则为指导方针，数据结果宜与业务交互相匹配。4.参考源符合率中，测试数据设计宜对比参考数据源做校验。9.1.3一致性度量同一测试数据在不同存储介质中存储及使用过程中或在不同时间、空间发生变化时数据的一致程度。系的契合程度。9.1.4准确性度量内容准确性测试数据符合测试约束限制的程度。7对不符合标准、在设定约束限制外的无效数据的度量。的元素总数×100%9.1.5完整性度量测试数据对测试需求覆盖的完备程度。已覆盖测试需求项数量/被评价数据注：完整性评估可基于测试需求条目、功能点、业务场景等不同维度进行。评估方法包括但不限于代码覆盖、分支覆盖、条件覆盖、场景覆盖。9.1.6稳定性度量为提高测试数据生成、使用效率，宜从数据的高效性、可复用性、可用性方面度量，评估数据效率。9.2.2高效性度量时间效率注：当两条或多条测试数据覆盖了相同功能路径或场景时，可认为出现数据冗89.2.3复用性度量表7复用性度量指标自动化率自动化生成的元素个数/被评价数据程度。层的程度。9.2.4可用性度量指标描述测试数据在需要时可获取的程度。测试数据在设定有效生存周期内可正常使用的程度。时序符合率测试数据满足数据元素之间相对时序关系要求的程度。测试数据在特定时间周期内满足时效性要求的程度。易用性度。9.3.1安全水平涉及范围为提高测试数据安全防护水平，宜从数据安全完整性、机密性、可审计性方面度量，评估数据安全丢失