信息隐藏是指将秘密信息以不易被察觉的方式嵌入到公开数字媒体中；隐密分析是指通过技术手段判断数字媒体文件中是否存在秘密信息。随着信息时代的发展,信息隐藏在隐私保护等领域带来便利的同时也遭到了不法分子的恶意使用,因此隐密分析技术研究受到高度重视。JPEG格式图像因其优良特性在信息安全领域得到广泛应用,传统JPEG隐密分析的成功基于训练和测试数据来源相同具有相似的统计特性和特征分布的假设,但在实际中该假设难以满足,导致失配问题的产生,隐密分析性能急剧下降。目前针对失配问题的隐密分析研究较少,本文介绍了JPEG匹配隐密分析框架,包括图像库、隐密分析特征和分类器,阐述了JPEG隐密分析中失配问题的定义、原因和分类,列出了对已有的解决方法,并以量化表失配为例验证了失配现象。另外,从特征处理的角度对JPEG隐密分析中的失配问题进行了研究,主要研究成果如下：(1)通过研究产生失配的原因,提出了一种缓解失配的建模准则：提高统计特性一致性、降低特征分布差异、保持训练数据分类能力。基于该准则提出了鲁棒判别特征变换失配隐密分析方法,该方法通过特征校准、最小化特征离散度、最大化特征辨识度来满足上述准则达到缓解失配的目的。在国际公开BOSS图库上对量化表失配、方法失配和嵌入率失配进行了实验,并与多种失配隐密分析算法进行对比,结果表明该方法的失配隐密分析正确率比同类最优的算法提高约9%-12%,同时还设计了小样本实验和参数鲁棒性实验,证明了该方法的通用性和鲁棒性。(2)针对特征失配问题,提出了一种领域不变特征学习失配隐密分析算法,该方法首先对数据进行了特征校准和归一化处理,然后基于迁移学习思想利用训练数据相关知识对测试数据核特征矩阵进行处理得到估计核矩阵,最后最小化估计核矩阵与训练数据核矩阵的均方误差来获得领域不变特征进而缓解失配问题。在相机图库和国际公开BOSS图库上进行了JPEG失配实验,结果证明该方法的性能比同类算法提高约3%-10%。另外还设计了多因素失配实验,结果表明该方法能够缓和多因素失配。(3)针对特征分布不同和样本负相关的失配问题,提出了一种融合特征匹配和样本选择的失配隐密分析算法,该方法将特征匹配和样本选择融合到核PCA过程构造目标函数,求解优化问题得到新的匹配特征表示。在相机图库和国际公开BOSS图库上进行JPEG失配实验,结果表明该方法的性能比同类算法提高约5%-15%。该方法也进行了多因素失配实验以及特征校准和归一化处理,最后对本文的三种方法进行了对比。