Facebook软件测试新招：用AI模拟多用户行为，接入真实后端代码( 二 ) 智东西（公众号：zhidxcom）编

当模拟场景结束后， WW模型会自动调整不同的参数，比如机器人的隐私设置或对他们行为的约束。每次调整后， WW会评估哪种参数组合能到达最理想的社区行为，然后向开发者推荐最佳版本。
三、更有效暴露安全问题测试时发现和修补漏洞这一步做得越好，更新后软件的安全度就越高。相比于传统的单元测试或端到端测试，用WW模型发现漏洞的可操作性更高。
首先， WW是与真实用户相互隔离的。研究人员可以训练它来执行潜在的隐私侵犯行为，而不用担心真实用户受到影响。
其次， WW与Facebook的真实后端代码进行交互，暴露出的漏洞很可能也会对真实用户造成威胁。
另外， WW发现不良行为后，还能利用自动机制设计方法设计解决方法，为研究人员提供参考。
因此，可以说WW为开发人员提供了一种在新的抽象级别上进行测试的选择。
文章插图
结语：WW模型能发现更多漏洞，提升平台安全性脸书研究人员设计的用户社区网络模拟器可以更有效地发现软件的漏洞，有较好的可靠性、完整性和隐私性。
在论文中，研究人员还列出了一系列留待解决的问题，表示将进行更深一步的研究。通过未来的改进， WW模型的性能还将提高，为用户带来更好的使用体验。
文章来源：MIT Technology Review ， Facebook Research
文章插图