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。