当前热点的深度隐写术可以把图像秘密信息隐藏到尺寸相同的载体图像中,具有隐写率高等特性,常被特定组织用作秘密通信。主动隐写分析术能够去除所隐藏的秘密信息,一定程度阻止深度隐写信息通过互联网进行非法或恶意传输。文档图像具有大量的文字信息,其作为深度隐写秘密信息能够在秘密通信中传递大量有效信息,具有泄漏机密信息的安全隐患,然而目前并没有相关研究专门针对文档图像作为秘密信息的深度隐写去除方法,于是本文提出基于去除对抗扰动和基于剪枝的深度隐写去除方法,从而提高内部网关的安全性。主要的研究内容如下:（1）本文将去除对抗扰动方法引入深度隐写去除领域,这种方式能够将所隐藏的文档图像秘密信息当作冗余信息,从而将所隐写的秘密信息去除,本文提出两种基于去除对抗扰动的深度隐写去除方法:前馈去噪卷积神经网络（Feed-forward Denoising Convolutional Neural Networks,Dn CNN）和高阶引导去噪（High-level Representation Guided Denoiser,HGD）。（2）上述基于去除对抗扰动的深度隐写去除方法虽然能够有效的去除所隐藏的文档图像秘密信息,但是这种方式所训练出来的模型具有巨大的计算成本和存储开销,部署在网络防火墙中进行实时的隐写图像秘密信息去除任务时会消耗大量服务端资源。针对这个问题,本文利用深度隐写去除有损的特性,使用文档图像质量评估指标（Document Image Quality Assessment,DIQA）作为阈值,通过计算L1范数或者几何中位数对滤波器进行重要性选择,以及使用整体迭代剪枝尽可能剪去冗余的滤波器以缩小超参数化深度隐写去除模型的结构。另外,考虑到上述整体迭代剪枝是暴力剪枝方式,需要人为干预剪枝,于是本文将最优模型剪枝结构的搜索当作一个优化问题,结合人工蜂群智能算法进行自动化的结构搜索求解,提出深度隐写去除模型的自动化剪枝方法。（3）理论分析与实验结果表明:基于去除对抗扰动和基于剪枝的深度隐写去除方式具有很好的适应性和可伸缩性,能够有效的去除所隐藏的文档图像秘密信息,且保证剪枝过程中深度隐写去除模型仍然具有很好的去除效果。基于上述研究,本文设计并实现了一个深度隐写去除系统,能够对深度嵌入了文档图像的隐写图像进行秘密信息去除,有利于提高内网安全水平。