隐蔽通信作为信息隐藏技术的一个重要分支,由隐写和隐写分析构成。与传统的密码技术不同,隐写(Steganography)通过将秘密消息嵌入宿主信号,并尽量不引起视觉感知和统计特性的改变,以保证公共信道传输过程中的通信安全。作为隐写的对立面,隐写分析(Steganalysis)是指找出载体内容的可疑性。由于人眼视觉系统的时域掩膜特性,海量的视频资源为隐蔽通信提供了可能,数字视频的隐写及其对抗技术日益成为信息安全领域的热点。尽管视频序列可以被视为一幅幅连续的静止图像,但直接将适用于静止图像的隐写分析方法引入到视频隐写分析难以取得理想的检测效果,原因在于它忽略了视频序列的时域相关特征。相对于图像的隐写和隐写分析,视频的隐写和隐写分析还不成熟,目前仍主要集中于被动分析阶段。本文针对不可抵抗合谋攻击的隐写技术展开研究,论文的主要工作如下：首先,提出了一种新的基于时域加权帧平均(TFWA)和噪声分类的压缩视频流盲隐写分析框架。TFWA在共谋时,基于Markov时域模型,为合谋窗口内的所有帧根据它们离离窗口中心的距离,分配不同的权值。相对于传统的时域帧平均(TFA), TFWA可以减轻差异大的样本对合谋结果的影响,从而达到抑制合谋噪声的目的。仿真实验结果表明,TFWA拥有强大的合谋综合能力：通过适当扩大窗口半径,合谋帧可以逼近原始载体；合谋噪声的减小有助于增强隐蔽信号的检测敏感性。其次,提出了一种适合于视频隐写分析的自适应二级噪声分类处理方法。合谋器在实际情况下总是存在噪声干扰,二级噪声分类技术将这些噪声按不同成分进行处理。它利用视频流由于视频标准易于得到的信息,捕捉由于光照变化和剧烈运动引起的合谋噪声；同时,根据合谋输出数据的统计特性,找出叠加的其他不可忽略的成分。通过定义合谋窗口内视频内容变化因子,对噪声分类的阈值进行自适应调整。针对不同嵌入率的空域、频域甚至经过扩频调制的隐写视频数据进行实验,本文提出的隐写分析方法,在隐写嵌入率不超过10%的情况下,正确检测率可以达到99.8%以上。