them into fewer, more meaningful XB

them into fewer, more meaningful XBIs. For each of the issues reported,
we manually inspected it to report false positives and negatives.
For our subjects, CROSSCHECK did not report any false negatives.
The tool found 865 differences out of which 314 were true
issues (63% FP). We find these results to be encouraging, considering
that CROSSCHECK is the first tool to find XBIs automatically
and because we see a potential of eliminating the false positives in
the future. In particular, the main limitations of CROSSCHECK are:
(1) Computer vision algorithms are effective for comparing the underlying
binary data of images, but they are not as good at accurately
mimicking a human perception of visual differences. We
found them to be the main source of false positives and would like
to investigate on better algorithms to eliminate or at-least mitigate
this issue. (2) The crawler has a black box view of the application
and needs to be instructed on how to interact with the web application.
For greater degree of automation and server side coverage,
a white-box assisted crawler should be developed. (3) Our core algorithm
relies on a basic level of browser support to obtain DOM
information from each screen. This information can be sometimes
inaccurate, leading to false positives. This issue can be mitigated
by performing noise removal and by collecting or deriving more
data to make it resilient to noise.
We would like to address these problems in the near future. CROSSCHECK
is being used by developers at Fujitsu and our current goal
is to perform user studies with them to make improvements based
on feedback from users. Finally, we want to work on computing
the behavioral equivalence of web applications running on different
platforms (eg. desktop and mobile).
5. CONCLUSION
XBIs are relevant and a serious concern for web application developers.
Current techniques are limited in finding these issues and
require considerable manual effort. Our technique CROSSCHECK
identifies XBIs automatically and helps developer fix the issue by
providing information about the broken element. For XBI identification,
CROSSCHECK uses concepts from graph theory (state
graph isomorphism, DOM tree matching), computer vision (visual
analysis) and machine learning (automated classification). Our results
suggest that CROSSCHECK is practical and can find both visual
and functional XBIs in real world applications.

ผลลัพธ์ (ไทย) 1:

พวกเขาเป็น XBIs มีความหมายน้อยลง การ สำหรับปัญหาของแต่ละรายงานเราเองตรวจสอบการรายงานเท็จบวกและเชิงลบสำหรับวิชาของเรา CROSSCHECK ไม่เคยรายงานลวงใด ๆเครื่องมือที่พบ 865 แตกต่างจากที่ 314 ได้จริงปัญหา (63% FP) เราพบว่าผลลัพธ์เหล่านี้จะให้กำลังใจ พิจารณาว่า CROSSCHECK เป็นมือแรกในการค้นหา XBIs โดยอัตโนมัติและเนื่อง จากเราเห็นศักยภาพการกำจัดลวงในอนาคต โดยเฉพาะอย่างยิ่ง ข้อจำกัดหลักของ CROSSCHECK คือ:(1) วิสัยทัศน์คอมพิวเตอร์อัลกอริทึมที่มีประสิทธิภาพสำหรับการเปรียบเทียบต้นแบบข้อมูลไบนารีของรูปภาพ แต่ไม่ได้เป็นสิ่งที่ดีที่ถูกต้องนั่งรับรู้มองเห็นความแตกต่างของมนุษย์ เราพบว่ามีแหล่งหลักของผลบวกปลอม และต้องการตรวจสอบอัลกอริทึมที่ดีเพื่อกำจัดหรือน้อยบรรเทาปัญหานี้ (2) crawler ที่มีมุมมองของโปรแกรมประยุกต์กล่องดำและจำเป็นต้องแนะนำวิธีการโต้ตอบกับโปรแกรมประยุกต์เว็บสำหรับการทำงานอัตโนมัติและเซิร์ฟเวอร์ด้านความครอบคลุมควรมีพัฒนาเป็นกล่องสีขาวช่วย crawler (3) อัลกอริทึมหลักของเราอาศัยระดับพื้นฐานของการสนับสนุนเบราว์เซอร์การ DOMข้อมูลจากแต่ละหน้าจอ ข้อมูลนี้อาจเป็นบางครั้งไม่ถูกต้อง นำไปสู่ผลบวกปลอม สามารถลดปัญหานี้โดยทำการกำจัดสัญญาณรบกวนโดยเก็บรวบรวม หรือถูกเพิ่มเติมข้อมูลเพื่อให้ยืดหยุ่นไปรบกวนเราต้องการแก้ไขปัญหาเหล่านี้ในอนาคต CROSSCHECKกำลังถูกใช้ โดยนักพัฒนาที่ฟูจิตสึและเป้าหมายของเราปัจจุบันคือการ ดำเนินการศึกษาผู้ใช้เพื่อให้การตามคำติชมจากผู้ใช้ ในที่สุด เราต้องการทำงานบนคอมพิวเตอร์เทียบเท่าพฤติกรรมของโปรแกรมประยุกต์เว็บที่ใช้แตกต่างกันแพลตฟอร์ม (เช่นการเดสก์ท็อป และมือถือ)5. บทสรุปXBIs มีความเกี่ยวข้อง และเป็นกังวลอย่างรุนแรงสำหรับนักพัฒนาเว็บแอพลิเคชันเทคนิคปัจจุบันจะถูกจำกัดในการหาปัญหาเหล่านี้ และต้องใช้ความพยายามด้วยตนเองอย่างมาก เทคนิค CROSSCHECKระบุ XBIs โดยอัตโนมัติ และช่วยแก้ไขปัญหาโดยนักพัฒนาให้ข้อมูลเกี่ยวกับองค์ประกอบใช้งานไม่ได้ สำหรับรหัส XBICROSSCHECK ใช้แนวคิดจากทฤษฎีกราฟ (สถานะกราฟ isomorphism จับคู่ต้นไม้ DOM), คอมพิวเตอร์วิทัศน์ (visualวิเคราะห์) และเครื่องจักรการเรียนรู้ (การจัดประเภทอัตโนมัติ) ผลของเราแนะนำว่า CROSSCHECK เป็นจริง และสามารถค้นหาทั้ง visualและ XBIs ทำงานในการใช้งานจริง

ผลลัพธ์ (ไทย) 2:

พวกเขาเป็นน้อยลง XBIs ความหมายมากขึ้น สำหรับแต่ละประเด็นที่รายงาน
ที่เราตรวจสอบด้วยตนเองเพื่อรายงานบวกเท็จและเชิงลบ.
สำหรับอาสาสมัครของเรา crosscheck ไม่รายงานเท็จเชิงลบใด ๆ .
เครื่องมือที่พบ 865 แตกต่างออกจากที่ 314 เป็นจริง
ปัญหา (63% FP) เราพบผลลัพธ์เหล่านี้จะเป็นกำลังใจพิจารณา
ว่า crosscheck เป็นเครื่องมือแรกที่จะหา XBIs โดยอัตโนมัติ
และเพราะเราเห็นศักยภาพของการขจัดบวกเท็จใน
อนาคต โดยเฉพาะอย่างยิ่งข้อ จำกัด หลักของ crosscheck มีดังนี้
(1) ขั้นตอนวิธีวิสัยทัศน์คอมพิวเตอร์ที่มีประสิทธิภาพสำหรับการเปรียบเทียบพื้นฐาน
ข้อมูลไบนารีของภาพ แต่พวกเขาไม่ได้เป็นสิ่งที่ดีที่ถูกต้อง
ลอกเลียนแบบการรับรู้ของมนุษย์ความแตกต่างของภาพ เรา
พบว่าพวกเขาจะเป็นแหล่งที่มาหลักของผลบวกปลอมและต้องการ
ที่จะตรวจสอบในขั้นตอนวิธีการที่ดีกว่าที่จะกำจัดหรืออย่างน้อยที่สุดลด
ปัญหานี้ (2) รวบรวมข้อมูลมีมุมมองที่กล่องดำของการประยุกต์ใช้
และจำเป็นต้องได้รับคำแนะนำเกี่ยวกับวิธีการโต้ตอบกับโปรแกรมเว็บ.
สำหรับระดับสูงของระบบอัตโนมัติและการคุ้มครองด้านเซิร์ฟเวอร์,
สีขาวกล่องตีนตะขาบช่วยเหลือควรมีการพัฒนา (3) ขั้นตอนวิธีการหลักของเรา
อาศัยอยู่ในระดับพื้นฐานของการสนับสนุนเบราว์เซอร์ที่จะได้รับ DOM
ข้อมูลจากแต่ละหน้าจอ ข้อมูลนี้จะเป็นบางครั้ง
ที่ไม่ถูกต้องนำไปสู่การบวกเท็จ ปัญหานี้อาจจะลดลง
โดยการดำเนินการกำจัดเสียงรบกวนและโดยการเก็บรวบรวมหรือสืบมาเพิ่มเติม
ข้อมูลเพื่อให้มีความยืดหยุ่นเสียง.
เราอยากจะแก้ไขปัญหาเหล่านี้ในอนาคตอันใกล้ crosscheck
จะถูกใช้โดยนักพัฒนาที่ฟูจิตสึและเป้าหมายของเราในปัจจุบัน
คือการดำเนินการศึกษาผู้ใช้กับพวกเขาเพื่อให้การปรับปรุงตาม
ข้อเสนอแนะจากผู้ใช้ สุดท้ายเราต้องการที่จะทำงานในการคำนวณ
สมดุลพฤติกรรมการใช้งานเว็บที่แตกต่างกันที่ทำงานบน
แพลตฟอร์ม (เช่น. สก์ท็อปและโทรศัพท์มือถือ).
5 สรุป
XBIs มีความเกี่ยวข้องและความกังวลอย่างรุนแรงสำหรับนักพัฒนาโปรแกรมประยุกต์บนเว็บ.
เทคนิคปัจจุบันมีข้อ จำกัด ในการหาปัญหาเหล่านี้และ
ต้องใช้ความพยายามมากคู่มือ crosscheck เทคนิคของเรา
ระบุ XBIs โดยอัตโนมัติและช่วยให้นักพัฒนาแก้ไขปัญหาโดยการ
ให้ข้อมูลเกี่ยวกับองค์ประกอบที่แตกสลาย สำหรับประชาชน XBI,
crosscheck ใช้แนวคิดจากทฤษฎีกราฟ (รัฐ
กราฟมอร์ฟ, DOM ต้นไม้จับคู่), วิสัยทัศน์คอมพิวเตอร์ (ภาพ
การวิเคราะห์) และการเรียนรู้เครื่อง (จำแนกอัตโนมัติ) ผลของเรา
แสดงให้เห็นว่า crosscheck เป็นจริงและสามารถหาได้ทั้งภาพ
XBIs และการทำงานในการใช้งานจริง