图像隐写术是多媒体安全领域中的一种常用技术,它主要通过对图像载体的像素值或DCT系数的轻微修改来嵌入秘密信息。随着图像隐写术的发展,隐写分析术的目的则是检测图像中是否存在秘密信息。隐写和隐写分析一直在对抗博弈中共同发展,基于最小失真框架的隐写和基于有监督学习的隐写分析成为主流的研究方法。为了提高隐写的安全性能,图像内容自适应隐写算法将修改集中到隐写分析器难以建模的纹理复杂区域。随着深度学习技术在图像处理和计算机视觉领域的成功运用,卷积神经网络成为隐写和隐写分析领域的新兴研究手段。本文正是在深度学习应用于隐写及隐写分析的背景下,探究进一步提高卷积神经网络的隐写分析性能,在针对隐写和隐写分析之间进行博弈对抗分析的基础上,实现了应用系统的开发。本论文主要开展了以下研究工作:（1）在算法实验分析的基础上,开发出了一套面向深度学习环境下的隐写和隐写分析应用系统。该系统主要有三个功能模块组成,分别是隐写图像生成,图像隐写分析,以及隐写者和隐写分析者对抗的博弈分析。系统中不仅整合了目前比较流行的深度学习隐写和隐写分析算法,其中的一种隐写分析算法和一种博弈分析功能是由本文提出的。软件系统的操作模式多样,对于单幅或批量的空域和JPEG图像都能进行隐写生成和检测。（2）针对现有隐写分析提取图像特征信息的方法,对深度学习隐写分析的预处理层进行进一步研究。本隐写分析研究是在一种具有高通滤波器作为预处理层的卷积神经网络模型基础上,单独对预处理层进行改进。为更加有效地提取图像特征,受到传统隐写分析特征提取方法的启发,本文在预处理层中采用了一组导数滤波器以获得线性和非线性残差图像,并按照不同方案对残差图像进行量化和截断操作。提出的三种有效预处理方法明显有效提升隐写分析检测正确率,因此该算法将作为本文软件系统中隐写分析功能的一个选项,可以通过选取不同预处理层方案进行隐写图像的检测。（3）隐写和隐写分析在对抗过程中无法得知对方采用的具体参数,这将让对抗的双方陷入一个僵局。针对这一现象,本文将介绍博弈论的框架,让隐写方和隐写分析方采用相应的策略来解决各自参数设置的问题。本文具体提出了两种博弈论框架的方法,而这两种博弈方法的不同之处在于隐写分析器在判别分类时使用了不同的阈值。本文实验中采用一种具体的对抗嵌入方法,获得了两种博弈论方案的均衡点和对应的支付值。将博弈均衡状态下和其他策略方法获得的错误率进行比较,可以发现用博弈论方法能让隐写和隐写分析双方在进行对抗时获得最优的嵌入和检测策略。本文软件系统中除隐写模块和隐写分析模块之外,隐写方和隐写分析方的博弈对抗分析将作为该系统的另一个重要功能模块。