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。

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。