随着信息隐藏技术在网络和数字通信方面不断发展与应用,其被非法利用的危险性也相应增加。信息隐藏分析可用于网络信息的监控、分析甚至破解等,以保护网络的安全及社会的稳定。本文针对基于数字语音信息的隐藏分析作了研究,其主要内容和创新点如下:分析了信息隐藏前后语音质量统计上的变化,给出了两种语音信息隐藏盲检测方法:基于多元线性回归分类器的检测法和基于支持向量机的检测法。两者都是通过方差分析度量不同质量评估参数的可分性,选择能反映藏有信息的数字语音和未藏信息的数字语音在统计上差异的质量评估参数,用于训练学习分类器的建模和检测。前者采用多元线性回归分类器模型,后者采用支持向量机模型。实验结果表明,两种方法可以有效检测目前常见的变换域信息隐藏方法,如DFT域、DCT频、DWT域等,检测正确率均较高,使用支持向量分类器的检测效果更好。在研究质量评估参数之间相关性的基础上,提出了一种基于组合质量评估参数的语音隐藏盲检测方法。通过多维特征选取法,选择能较好区分藏有信息的数字语音和未藏信息的数字语音在统计上差异的组合参数,建立质量评估参数的支持向量机分类模型并进行检测。与不经组合特征选取的同类方法相比,提高了正确检测率,也降低了运算量。在较深入细致地研究回声隐藏方法基础上,提出了一种基于统计特征的检测策略。通过对原始语音样本和藏密语音样本复倒谱偏度和峰度的学习和训练,分别得到偏度和峰度阈值,并将其用于回声隐藏的盲检测。实验结果表明,该方法能够有效地检测出经典回声核、双极性回声核、双向回声核、双极性双向回声核等四种回声隐藏方法,运算简便,且检测率较高。设计并完成了相应的盲检测系统,进行了实验验证,取得了良好的实验结果。