随着即时语音的广泛应用,基于即时语音的隐蔽通信也成为广泛关注的热点问题。即时语音的即时性、动态性和多样性使基于即时语音的隐写方法具有很好的隐蔽性,然而,与大多数安全技术类似,基于即时语音的隐写也是一把双刃剑,如果被非法使用会带来极大的安全威胁。因此,针对它的隐写分析也是一个重要的研究课题。从现有的研究来看,还存在一些问题,例如,对于某些类型的隐写方法目前并没有有效的检测方法,现有的检测方法都是建立在嵌入率和嵌入方法精确已知的前提下的。为了解决这些问题,本文分别提出了一种速率调制的隐写分析方法、三种未知嵌入率条件下的隐写分析方法和一种未知嵌入方法条件下的隐写分析方法,具体研究如下:(1)基于速率切换的隐写方法是建立在多速率编解码器可以根据网络状况调整编码速率这一事实的基础上提出的,可以有效的抵御传统的隐写分析方法,但是隐写带宽较小。为了提高其隐写性能,我们对其进行了改进,通过引入矩阵编码提出了两种基于速率调制的隐写方法。上述这类隐写方法我们统称为基于速率调制的隐写方法,因其并没有对语音内容和协议进行修改,从而可以很好的抵抗传统的隐写分析方法。为此,专门针对这类隐写方法我们提出了一种基于速率跳变统计特性的隐写分析方法,我们用跳变间隔概率分布作为检测特征,并用加窗和主成分分析降维来控制维度,最后通过支持向量机训练分类器。通过实验验证,对于三种隐写方法,即使是在低嵌入率下也可以达到很好的检测效果。(2)目前现有的针对基于语音的隐写分析方法都是假设给定样本的嵌入率是精确已知的。但是,在实践过程中,我们经常是无法确定待测样本是否进行了隐写,更不用说具体的嵌入率了。为了解决这个问题,我们提出了三种隐写分析方法。其中,前两种方法是从现有的图像隐写分析方法演变而来,分别采用不同的全局分类器。此外,我们还提出了一种基于Dempster-Shafer证据理论的隐写分析方法,我们通过实验对三种隐写分析方法进行了验证,实验结果表明可以实现与专用分类器接近的检测效果。(3)为了消除现有隐写分析方法中对于已知隐写方法的假设,本文提出了一种未知嵌入方法的隐写分析方法。具体来说,首先对基于自适应多速率语音的隐写方法进行分类,然后通过支持向量机对每类隐写方法训练一个基于Dempster-Shafer证据理论的组合分类器,最后根据我们定义的规则(即,结果全为正则为正,否则为负)对各个类的结果进行融合,得到最终的分类结果。实验选择了7种隐写方法,4种检测特征进行验证,结果表明我们提出的隐写分析方法可以在未知嵌入方法条件下实现与专用分类器相近的检测效果。