随着计算机网络和信息技术的发展,网络的信息安全面临的问题和考验也日益严峻.隐写分析作为信息安全领域的一个重要分支,越来越为人们所关注.一方面隐写分析可以检测隐秘信息的存在,进而采取应对措施控制非法信息的传播:而另外一方面可以作为衡量隐写方法的安全性的一个量度,促进隐写术的发展.因此,研究如何分析隐秘信息的存在,具有重要的现实意义.　　本文主要研究几种图像LSB隐写分析算法,并将其与支持向量机(SVM)结合,通过研究隐写前后载体图像统计特征变化的来设计新的隐写分析算法.主要工作内容如下:　　(1)总结了国内外隐写分析的成果和当前存在的问题,探讨了信息量分析,RS分析, GPC分析等几种隐写分析算法,分析这些算法所采用的统计特征,并研究算法的检测原理、嵌入率计算等问题.　　(2)研究了图像相邻像素嵌入隐秘信息前后的统计特征变化规律,提出了一种新的利用相邻像素相关性和纹理复杂度进行隐写分析的算法.该算法根据相邻像素相关性与图像的纹理复杂度给出一组高阶统计矩,用支持向量机进行分类,并给出了算法的嵌入率估计.实验结果表明,基于该组特征矢量的支持向量机分类器(SVC)能够以比主流的基于相邻像素相关性的隐写分析算法更高的准确率识别掩密图像,具有更优的性能.　　(3)研究了RS隐写分析算法的检测原理和其存在的不足.针对这种不足,结合统计学习理论,给出了一种基于支持向量机(SVM)的改进RS隐写分析算法.改进后的算法在保留RS特征选取策略的前提下,改用支持向量机分类器(SVC)对选取的特征集进行分类识别.实验结果表明,针对原始无损存储图像,改进后的算法准确率比RS隐写分析算法有所提高,具有较高的性能。