随着5G网络、云计算等信息技术的蓬勃发展,网络的规模愈发庞大,这给网络管理带来了极大的考验。网络策略作为网络架构的“骨架”,在指导网络配置、验证网络、网络分析等方面都有着重要意义,可以有效保障网络管理效能。因此从路由器配置文件中挖掘网络策略受到了越来越多学者的关注。然而传统的单平面网络策略挖掘方法在日益复杂的网络环境中性能不佳,且无法全面分析可能出现故障链路的网络拓扑。针对上述问题,本文提出了控制与数据平面融合的网络策略挖掘方法,以优化网络策略挖掘性能为研究目标,在可能存在故障的网络拓扑中提取网络策略。本文的主要研究内容及创新工作如下:研究了网络策略挖掘理论。针对可能存在故障链路的网络拓扑,提出了故障模型,用链路集合和最大故障链路上限抽象地表示该网络拓扑,并定义了故障模型“捕获”数据平面的关系。将求解指定故障模型的网络策略的问题具体化,转化为求解符合所有被该故障模型捕获的数据平面的网络策略集。设计了单平面的网络策略挖掘方法。针对数据平面分析的网络策略挖掘方法,本文提出了基于图理论的策略分析方法。通过基于权重的策略感知采样、前缀树剪枝、基于转发图和支配者树的数据平面分析得到符合当前数据平面的策略集合。针对控制平面验证的网络策略挖掘方法,本文提出了基于SMT（Satisfiability Modulo Theories）的策略验证方法。将诸如数据包、路由进程及其交互等网络元素进行建模并符号化。然后采用基于拓扑的剪枝算法缩减策略集的规模。最后将符号化的网络模型和网络策略输入SMT求解器,验证策略的成立性。提出了动态融合的网络策略挖掘方法。分析了单平面的网络策略挖掘方法存在的局限性,指出该类方法不可避免的缺陷。从算法流程和结构上分析了算法融合的可行性,设计了动态融合的策略挖掘算法,并从理论上论证了融合算法的性能提升。最后设计了对比实验,对算法进行了有效性评估、剪枝效能评估、算法融合效能评估。仿真结果表明,本文提出的控制与数据平面融合的网络策略挖掘算法可以有效挖掘网络配置中的网络策略,在故障链路上限大于等于1时引入剪枝算法能有效提升算法效能,且在较复杂的网络场景下融合算法能提升143%性能。