由于加密技术不能很好地满足用户对隐私信息的保护,而隐写术可以掩饰隐私信息的存在,已成为信息安全领域的重要研究分支。近年来,随着VOIP(Voice over Internet Protocol)的快速发展,以低比特率压缩语音流为隐藏载体的秘密通信已逐渐成为隐写术研究的重点问题之一。然而,现有的语音隐写技术存在嵌入容量不高,并且不能抵抗相应隐写分析技术检测等问题。另一方面,为防止隐写术的过度利用,隐写分析技术可以有效地监督和检测数字载体,这对防止机密资料流失、监视非法信息,从而保障国家的安全和社会的稳定具有十分重要的意义。基于此,本学位论文面向iLBC(Internet Low Bit Rate Codec)语音流研究信息隐写与隐写分析技术,主要包含以下三个方面:(1)调研了iLBC编码语音流作为隐藏载体的研究现状,分析了当前音频隐写技术普遍存在的一些问题。(2)针对如何权衡嵌入容量、不可感知性以及不可检测性的问题,提出了一种基于增益量化过程的iLBC语音隐写方案。首先对iLBC增益量化过程中的量化表进行合理划分,然后根据不同的秘密信息比特选择相应的分组对增益进行量化,最后将增益量化索引进行打包并发送到解码端,解码端按照相反的嵌入过程可以提取秘密信息。(3)针对增益量化隐写方法,分析iLBC语音流中增益量化索引序列的相关性经隐写嵌入秘密信息后有哪些改变,并提取四种变化程度最大的相关性特征。在此基础上,基于长短时记忆(LSTM,Long Short-Term Memory)网络进行隐写分析,实验验证了特征的有效性。