NAND Flash是一种主流的非易失性存储器。从平面结构到垂直堆叠的3D结构,NAND Flash的存储密度不断提升。优越的存储性能和廉价的制造成本使其获得了广泛的应用,在固态盘、移动存储等领域中发挥着重要作用。3D NAND Flash面临多种可靠性因素影响,一方面,阈值电压分布容易发生改变,特别是在数据保持过程中,不同状态间的交叠越发严重。选择合适的读电压档位,有利于降低RBER。另一方面,目前还没有成熟的失效预测方案,闪存系统的失效预警能力欠缺。为了提升3D NAND Flash的可靠性,一方面,本文研究了其数据保持特性,根据读电压的偏移规律,设计了一种低复杂度的数学模型,用以估计最优读电压的位置。在64层的3D NAND Flash应用案例中,与默认读相比,模型降低了60+%的RBER,与理论最优读的差距小于10%。在更高堆叠层数的3D NAND Flash中,不管是完全编程块,还是部分编程块,模型都有一定的普适性和提升空间。另一方面,本文提出了一种块失效的预测方法,采用机器学习算法,实现了对新增坏块的监控与预测。在三种预测模型中XGBoost表现最佳,正确率为94.1%。另外,量化了各个特征对预测模型的贡献度,用以探讨3D NAND Flash背后的失效机理。