信息隐藏是信息安全的重要领域,隐写术和隐写分析是其重要内容。隐写术的目的在于将秘密信息以第三方无法察觉的方式嵌入到载体中,现代常用的载体是图像、视频、音频等多媒体文件。目前很多不法分子利用隐写术进行违法犯罪活动,如“911”事件中恐怖分子就利用隐写术进行恐怖行动的策划工作,这对于国家社会安全造成了严峻的挑战。为了应对这种挑战,应该对于隐写分析进行更加深入的研究。隐写分析是隐写术的对抗技术,其目的在于判别多媒体载体中是否隐藏有秘密信息。该论文以网络上最为常见的JPEG格式的图像作为隐写分析中的隐写载体,进行隐写分析研究。利用深度学习方法对于隐写分析进行研究。提出了新的网络结构,在网络结构的设计中引入了去噪网络的设计思路,进一步提高对隐写噪声的感知能力。针对带噪声载体的隐写分析进行了研究,鉴于这种场景下会影响隐写分析准确度,提出了相应的处理结构,以尽量减少噪声对隐写分析的影响。对隐写分析网络进行压缩,以提高网络的实用性。具体的研究内容包括以下三个方面:1)基于噪声感知残差网络的JPEG隐写分析方法提出了一个针对JPEG隐写分析的噪声感知残差网络NARNet（Noise Aware Residual Network）。所提出网络由3部分组成:噪声感知部分、噪声分析部分、判断部分。其中,噪声感知部分提取图像噪声,利用图像去噪网络,更加全面地捕获隐写嵌入引入的扰动;噪声分析部分获得噪声信息的统计特征;判断部分确定噪声信息是否携带隐写信息。此外,网络中的残差连接有效融合不同尺度特征,并防止训练过程中出现梯度消失和爆炸。多种条件下的对比实验结果表明,该方法相比对比算法,在检测准确度方面得到提高,并具有更好的泛化能力。2)针对带高斯噪声JPEG图像的深度学习隐写分析考虑到载体中携带高斯白噪声后再进行隐写会使针对其的隐写分析的准确度降低,提出了相关网络结构对隐写分析网络NARNet进行改进,得到改进后的网络NARNet-g。提出的网络结构首先应用小波变换对于待检测图像进行处理,利用高斯白噪声、隐写噪声在频域不同的统计特征削弱高斯白噪声对于隐写噪声的统计信息提取的干扰;其次在网络结构中引入了注意力机制,使得网络可以通过学习生成一个合理的权重施加于输入张量之上,这样做可以帮助神经网络更好地去捕捉全局联系,增强特征的构建能力。通过实验,证明了通过改进的神经网络在面对带噪声的载体的隐写分析任务时取得了更好的检测效果。3)隐写分析网络压缩方法研究考虑到过于复杂的网络将限制隐写分析网络的实用性,因此为了增强隐写分析神经网络的实用性,此文对隐写分析神经网络NARNet进行模型压缩。在压缩过程中应用多种剪枝、量化技术对神经网络进行处理。通过实验,选择合适的算法与相关参数,使得压缩后的模型可以达到资源消耗与网络效果的平衡,达到提高网络实用性的目的。