随着网络和数字技术的高速发展,隐蔽通信和数字版权保护等方面的迫切需求使古老的隐写术在网络时代焕发出全新生机。图像隐写是一门将秘密信息隐藏到图像中的技术,由于其简单易用、难检测、难提取,很容易被非法组织利用,从事危害国家安全的活动。本文主要研究的就是针对隐写术的检测问题,也称为图像隐写取证问题。近年来,学术界提出了多种基于深度学习的隐写分析方法,利用卷积神经网络自动提取隐写分析特征,取得了较好的检测性能。然而,卷积神经网络提取的更多的是描述图像内容信息的特征,难以提取能够刻画隐藏信息存在性的特征。此外,为解决传统深度网络用于隐写分析时难于收敛的问题,引入了高通滤波器处理输入,但高通滤波器的设计并不一定是最优的,有可能会抑制部分载密信号。为了解决现有方法存在的问题,本文提出了基于对抗学习的图像隐写取证方法,采用深度神经网络为工具,引入对抗学习机制,构建基于对抗学习的隐写检测深度神经网络。本文提出的方法能在现有方法基础上进一步提取隐蔽信息存在性特征,提高信噪比,从而实现载体图像和隐秘图像的准确分类,具体研究成果如下:（1）针对图像隐写取证问题,提出一种新的基于可分离卷积和对抗学习的图像隐写取证算法,不仅提高了效率,而且取得了很好的检测效果。（2）提出基于上述框架的彩色图像隐写取证算法。算法通过引入逐通道卷积和多激活模块增强信噪比,提取出更多对隐写取证有利的隐秘信息存在性特征进行检测,提高了彩色图像隐写检测的准确性。（3）将本文提出的算法从理论应用到实际场景中,设计并开发出对应的图像隐写检测系统,面向用户提供可视化界面,实现了针对真实图像的隐写检测和分析。