本研究针对传统测试中检测不到的残余缺陷提出了PyResBugs数据集，这些缺陷在生产环境中仍然存在。该数据集通过将缺陷与其对应的无故障版本配对，并提供多层次的自然语言描述，创新性地支持自然语言驱动的故障注入。研究表明，PyResBugs为AI驱动的自动化测试提供了高质量的资源，促进了Python系统中的故障模拟。

Minderbinder是一款基于eBPF的进程安全测试工具，通过注入噪声来测试进程安全性。它利用kprobes和流量过滤器对系统调用和网络流量进行故障注入。用户可通过配置文件定义故障并启动工具，支持syscall和outgoing_network两种干预方式，适用于组件测试。需要Go环境，遵循Apache-2.0协议。项目在GitHub上。

本文介绍了华为云的Sermant热插拔功能在故障注入场景下的应用，提高了测试效率。通过Java Agent和插件的动态加载机制，实现了故障注入的安装、卸载和重复测试。Sermant热插拔功能适用于故障注入、故障诊断和微服务应用的升级。

本文介绍了一种基于对比学习的 FIA 检测和恢复框架，该框架将对比学习应用于深度学习训练和推断过程中，以实现在 FIAs 下具有自我恢复能力的 DNN 推断引擎。经过 CIFAR-10 数据集上多种类型 FIAs 的评估，我们的 CFDR 框架显示出有希望的检测和恢复效果。

本文提出了一种基于误差模拟引擎的可靠性分析框架，通过利用验证的误差模型，定义卷积神经网络操作器输出的损坏模式，并实现了故障注入和错误模拟的结合。实验结果表明，该方法在函数错误模拟方面准确度约为99％，速度提升范围为44x至63x。

FSM Gateway是一个开源的K8s Gateway API实现，即将发布的FSM 1.2版本将带来更多功能，包括故障注入、限流、会话保持、负载均衡、熔断、访问控制、健康检查、TLS上游等策略。安装FSM Gateway需要Kubernetes集群和kubectl工具。

一篇新论文揭示了一个严重的安全漏洞，可能允许黑客绕过软件中的身份验证检查。攻击者可以通过Rowhammer技术破坏存储的敏感数据。研究人员提出了几种滥用漏洞的实际攻击，包括绕过SUDO身份验证、OpenSSH远程登录、破坏OpenSSL库中的签名验证和违反MySQL用户身份验证。作者建议采取措施减轻威胁，包括使用更严格的条件检查逻辑、将安全标志存储在CPU寄存器中、检测损坏等。

本文提出了一种基于故障注入技术的输入数据故障注入测试框架（FIUL-Data），用于测试机器学习模型对多种故意引发的数据故障的弹性。实验结果表明，FIUL-Data 框架能够评估机器学习模型的弹性，较大的训练数据集上，机器学习模型表现出更高的弹性，在较小的训练集中梯度提升方法优于支持向量回归。

本文提出了一种基于故障注入技术的输入数据故障注入测试框架（FIUL-Data），用于测试机器学习模型对多种故意引发的数据故障的弹性。实证评估结果显示，FIUL-Data 框架可以评估机器学习模型的弹性，较大的训练数据集上，机器学习模型表现出更高的弹性，在较小的训练集中梯度提升方法优于支持向量回归。

本文介绍了新的深度神经网络量化和部署框架MicroAI，以及在低功耗32位微控制器上应用该框架的优化方法和效果。通过对三个不同数据集的评估和与其他嵌入式推理引擎的比较，证明了MicroAI在内存和功耗效率方面更好。

故障注入技术最初用于航空航天领域，现已应用于计算机软件等领域。故障注入通过服务网格的代理拦截服务流量来测试服务的容错性和健壮性。Flomesh服务网格可通过插件扩展功能来实现故障注入。故障注入技术在软件工程中得到广泛应用，结合服务网格可以实现自动化和智能化的故障注入。