人工智能軟件系統的非功能屬性及其質量保障方法

李子航 葛陽 劉思語 黃文圣 張大偉通信作者

摘要：互聯網人工智能軟件系統的質量保障，是目前業界比較關注的問題。本文在分析互聯網人工智能軟件系統的非功能屬性特征及其形成機制的基礎上，提出了基于軟件開發過程和生命周期理論的互聯網人工智能軟件系統非功能屬性質量保障方法，并以具體項目為例，進行了實踐驗證。近年來，互聯網人工智能軟件系統在社會生產和生活中發揮著越來越重要的作用，但同時也出現了大量問題，其中一個重要原因是缺乏相應的質量保障方法。因此，研究和探索互聯網人工智能軟件系統的質量保障方法，對促進該系統健康發展具有重要意義。

關鍵詞：人工智能；非功能屬性；質量保障方法

引言

隨著信息技術和互聯網技術的飛速發展，互聯網軟件系統也發生了巨大變化，人工智能軟件系統以其高效、智能化、人性化等特點，正在被廣泛應用于各行各業。人工智能軟件系統的應用在給人們生活帶來便捷的同時，也給用戶帶來了一定程度的困擾，如網絡安全問題、隱私保護問題、算法歧視問題等。目前，國內外學者對互聯網人工智能軟件系統的研究主要集中在安全性、可靠性、易用性等方面。隨著互聯網人工智能軟件系統的規模和復雜程度不斷提升，人們對其質量要求也隨之提高，以保證人工智能軟件系統的安全性和可靠性。

在互聯網人工智能軟件系統的質量保障過程中，主要關注系統功能層面的質量保障，而忽略了其非功能屬性的質量保障。在人工智能軟件系統的實際開發過程中，人們往往會忽視軟件系統非功能屬性，導致人工智能軟件系統難以滿足用戶需求和期望。因此，研究和探索互聯網人工智能軟件系統的非功能屬性及其質量保障方法，對提升互聯網人工智能軟件系統的質量具有重要意義。本文針對互聯網人工智能軟件系統非功能屬性中存在的問題，分析了其形成機制，并從軟件開發過程和生命周期理論的角度，提出了相應的質量保障方法，并以某保險公司“智能理賠服務”項目為例進行了實踐驗證。

1. 非功能屬性

非功能屬性是指軟件系統中不具備實現某個功能所必需的全部信息，或者不具有實現某個功能所必需的全部功能，但能夠滿足用戶某種需求，且對系統性能、可靠性、安全性等無不良影響的屬性。從軟件系統的功能需求分析入手，考慮到互聯網人工智能軟件系統具有以下幾個特點：（1）系統是以數據為核心；（2）軟件是一個復雜的系統，除了需要完成某一特定功能外，還需要實現多種不同的功能；（3）軟件系統具有一定的開放性和可移植性；（4）系統由多個子系統組成，各子系統之間相互關聯、相互影響，存在著明顯的耦合關系；（5）系統中包含大量的數據和業務處理流程，這些數據和流程往往具有較強的可移植性[1]。

基于以上特點，互聯網人工智能軟件系統中往往存在一些非功能屬性，這些非功能屬性會給軟件系統帶來潛在的風險，從而影響到軟件系統的可靠性、易用性、可維護性等。為了保證互聯網人工智能軟件系統的質量，首先，必須了解其非功能屬性的特征，以及這些非功能屬性的形成機制；其次，在進行互聯網人工智能軟件系統開發前，必須要對軟件系統進行需求分析和設計，以保證軟件系統滿足需求分析和設計階段的非功能屬性要求；再次，在進行互聯網人工智能軟件系統開發過程中，必須要按照嚴格的生命周期過程進行開發，以保證整個開發過程嚴格按照既定的質量標準進行；最后，在互聯網人工智能軟件系統的生命周期結束后，必須要對軟件系統進行分析、測試和驗收，以保證整個軟件系統達到設計目標[2]。

2. 存在的問題

互聯網人工智能軟件系統的非功能屬性，主要包括應用程序性能、計算資源、存儲資源、網絡帶寬、用戶隱私等。這些非功能屬性對互聯網人工智能軟件系統的運行性能和服務質量影響重大，在實際應用過程中，對互聯網人工智能軟件系統的質量保障提出了嚴峻挑戰。具體如下：

（1）由于非功能屬性的存在，使得互聯網人工智能軟件系統的開發工作量巨大，通常需要耗費大量的時間和精力進行開發，甚至在整個生命周期內都難以完成。

（2）由于非功能屬性對互聯網人工智能軟件系統的性能影響重大，其測試用例設計需要充分考慮對性能的影響，測試結果一般會存在較大偏差。

（3）由于非功能屬性對互聯網人工智能軟件系統的運行效率、運行速度、穩定性等有較大影響，其測試用例設計需要充分考慮對系統的影響，測試結果一般也會存在較大偏差。

（4）由于互聯網人工智能軟件系統的非功能屬性，可能會產生一些安全問題，因此在實際應用過程中，對其安全保障要求也比較高。

（5）由于互聯網人工智能軟件系統的非功能屬性，可能會導致用戶隱私泄露，因此在實際應用過程中，用戶隱私保護是一個重要問題，也是一個重要挑戰。

（6）由于互聯網人工智能軟件系統的非功能屬性，可能會導致系統產生故障，因此在實際應用過程中，對其故障處理能力要求比較高。

（7）由于互聯網人工智能軟件系統的非功能屬性，可能會產生一些其他問題。由于互聯網人工智能軟件系統通常具有跨平臺的特點，因此，在不同的操作系統環境下，系統可能會出現兼容性問題，導致無法正常運行。

3. 形成機制

根據軟件開發過程和生命周期理論，軟件系統的非功能屬性主要包括性能、可靠性、安全性、可維護性和易用性等。這些屬性是軟件系統在不同的開發階段中由用戶需求驅動的，主要作用是滿足用戶對軟件功能和性能的需求。互聯網人工智能軟件系統的非功能屬性與普通軟件系統相比具有以下4個特點：

（1）在不同階段，用戶對軟件的功能和性能需求可能發生變化；

（2）隨著時間的推移，用戶需求可能會發生變化，導致需求變更；

（3）用戶需求和軟件功能、性能需求之間存在一定的差異；

（4）用戶需求可能會與供應商提供的產品特性相沖突。

由此可以看出，互聯網人工智能軟件系統的非功能屬性主要是由需求驅動的，需求的變化和迭代是產生非功能屬性的前提條件，而數據的質量直接影響著軟件系統的性能和可靠性。

基于軟件開發過程和生命周期理論，我們認為，互聯網人工智能軟件系統的非功能屬性通過以下3種機制形成：

3.1 數據驅動

基于數據的非功能屬性是互聯網人工智能軟件系統特有的特征，因此只有充分利用數據才能滿足用戶對軟件功能和性能的要求。

（1）數據采集：在互聯網人工智能軟件系統的開發過程中，可以根據用戶需求和任務，選擇合適的技術手段，通過對用戶提供的數據進行分析、挖掘和利用，實現對用戶需求的滿足。

（2）數據存儲：互聯網人工智能軟件系統要具有高并發、高可用的特點，數據存儲必須有較強的可靠性和可用性。

（3）數據處理：互聯網人工智能軟件系統的開發需要采用先進的技術手段和工具進行數據處理和分析。

（4）數據共享：互聯網人工智能軟件系統需要對數據進行充分的挖掘和利用，實現數據的共享。

3.2 模型驅動

互聯網人工智能軟件系統開發的過程就是通過分析、歸納和總結已有的經驗，基于已有知識的積累和經驗來設計開發模型，以指導后續的設計、開發和測試。

（1）模型設計：在互聯網人工智能軟件系統開發過程中，需要根據軟件需求，利用軟件工程理論，結合本行業相關的業務知識、技術知識、數據知識和管理知識等，設計并開發軟件系統的模型。

（2）模型處理：互聯網人工智能軟件系統的模型主要是通過建立軟件系統的概念模型、邏輯模型和物理模型等實現的，同時還需要建立軟件系統的運行模型，如數據模型、算法模型等，以指導軟件系統的設計、開發和測試。

3.3 算法驅動

互聯網人工智能軟件系統的非功能屬性，可以通過算法來實現。在互聯網人工智能軟件系統開發過程中，通過不斷地運用算法迭代來改進算法，最終獲得滿足用戶需求的算法。

總之，在互聯網人工智能軟件系統的開發過程中，可以通過上述3種機制形成互聯網人工智能軟件系統的非功能屬性[3]。

4. 質量保障方法

在互聯網人工智能軟件系統的開發過程中，通過上述3種機制，可以形成對非功能屬性的有效保障，提高互聯網人工智能軟件系統的質量。但是，由于非功能屬性是由用戶需求驅動的，因此在開發過程中要充分考慮用戶需求的變化、軟件系統的性能、可靠性和安全性等方面的影響。為了實現對互聯網人工智能軟件系統非功能屬性的有效保障，可以考慮采取以下措施：

（1）加強對用戶需求變化的跟蹤和分析，及時調整軟件系統的設計；

（2）通過數據采集、模型設計和算法優化等措施，提高互聯網人工智能軟件系統的性能、可靠性和安全性；

（3）加強對非功能屬性保障措施的驗證和測試。

在上述研究的基礎上，進一步提出以下3個方面的質量保障方法：首先，建立需求分析與設計模型；其次，建立編碼與測試模型；最后，建立測試與驗證模型。通過實施這些質量保障措施，可以實現對互聯網人工智能軟件系統非功能屬性的有效保障，從而提高互聯網人工智能軟件系統的質量。建立需求分析與設計模型。在互聯網人工智能軟件系統的開發過程中，需求分析和設計是兩個緊密相連的環節。為了實現對互聯網人工智能軟件系統非功能屬性的有效保障，首先，需要建立需求分析與設計模型，根據用戶需求，確定軟件系統的功能需求和性能需求，并進行數據結構設計和數據流圖設計。其次，按照上述需求分析與設計模型，結合實際應用場景和系統需求，設計并開發互聯網人工智能軟件系統的軟件架構、數據模型和算法模型等。最后，按照上述設計模型和開發模型進行編碼和測試，確保非功能屬性保障措施的有效實施[4]。

5. 實例分析

以某大型互聯網人工智能軟件系統的開發為例，介紹上述質量保障方法在該項目中的應用。

該項目是一個面向服務的互聯網人工智能軟件系統，涉及的功能模塊包括數據管理、算法服務、數據處理、數據挖掘等，應用場景主要包括數據管理、任務調度、數據分析和智能推薦等。項目開發團隊根據用戶需求和行業特點，首先對該系統進行了功能和性能需求分析；其次根據功能需求和性能需求，結合項目開發進度和實際情況，采用生命周期方法，設計了軟件系統的需求模型、設計模型、編碼模型和測試模型等；最后在此基礎上，按照上述質量保障方法進行了開發[5]。

在具體應用中，通過將用戶提供的數據接入到數據管理模塊，然后將獲取的數據導入到數據庫中，并根據用戶的需求和要求進行相應的查詢、統計等操作。對于需要進行算法服務的功能模塊，采用Java語言開發了算法服務模塊，主要包括算法導入參數配置、算法調用和輸出等功能。用戶可以在數據管理模塊中查看歷史數據、當前數據和查詢條件等信息，并可以進行相關操作。在任務調度模塊中，通過調用數據管理模塊提供的接口，獲取用戶的歷史數據，然后根據歷史數據的質量指標和任務參數信息，生成最優任務序列。用戶可以通過點擊相關按鈕選擇最優的任務序列進行處理。對于處理完的最優任務序列，系統可以生成一份報告，并提供給用戶。在數據挖掘模塊中，用戶可以輸入各種條件如時間、地點、天氣、心情等，系統通過數據挖掘算法分析和計算，獲得用戶感興趣的推薦結果。在智能推薦模塊中，用戶可以輸入各種條件如性別、年齡等，系統自動生成相應的推薦結果。

結語

本文分析了互聯網人工智能軟件系統的非功能屬性，介紹了其主要特點和形成機制，并在此基礎上，提出了基于軟件開發過程和生命周期理論的非功能屬性質量保障方法，并以實際項目為例進行了驗證。對于互聯網人工智能軟件系統的質量保障，本文提出的方法可以有效提升質量，但仍存在一些不足之處，非功能屬性評估模型在實際應用中還有待進一步研究。互聯網人工智能軟件系統非功能屬性質量保障方法的提出，對互聯網人工智能軟件的健康發展具有重要意義。

參考文獻：

[1]張笑宇，沈超，藺琛皓，等.面向機器學習模型安全的測試與修復[J].電子學報， 2022，50（12）：2884-2918.

[2]王贊，閆明，劉爽，等.深度神經網絡測試研究綜述[J].軟件學報，2020，31（5）： 1255-1275.

[3]賈開，趙靜，傅宏宇.應對不確定性挑戰：算法敏捷治理的理論界定[J].圖書情報知識，2023，40（1）：35-44

[4]張言亮.神經元行為模式引導的深度神經網絡測試用例生成和優化技術[D].南京：南京郵電大學，2022.

[5]Zhao LP，Huang X，Yang GH.Injection Molding Process Quality Analysis and Prediction Based on Batch Dynamic Augmentation[C]//第33屆中國控制與決策會議論文集（3），2021：479-484.

作者簡介：李子航，在讀碩士研究生，研究方向：視覺識別及人員疏散；葛陽，在讀碩士研究生，研究方向：視覺識別及人員疏散；劉思語，在讀碩士研究生，研究方向：視覺識別與智能算法；黃文圣，在讀碩士研究生，研究方向：視覺識別及機器人路徑規劃 ；通信作者：張大偉，博士，講師，研究方向：視覺識別及人員疏散。