随着多媒体技术和计算机网络技术的迅猛发展,信息隐藏技术成为网络时代信息安全领域兴起的一个研究热点,其在版权保护、隐蔽通信等许多方面有着非常广阔的应用前景。在信息隐藏技术被用来保护信息安全的同时,也可能被一些非法分子传输一些非法信息；如何检测和判别这些有害信息就成为信息隐藏分析的任务。同时,信息隐藏分析成为信息隐藏的有益补充,隐藏分析又可以为设计更好的信息隐藏算法提供指导意义,两者相辅相成。针对目前变换域语音隐藏分析方法分类效果不很理想的问题,本文通过提取新的特征作为分类器特征,来提高检测效果。首先分析了直方图联合特征、梅尔倒谱特征、高阶矩特征和共生矩阵特征；然后通过对在三种变换域(DCT域、DFT域和DWT域)嵌入秘密信息的语音信号提取四种特征；最后利用支持向量机的分类方法分别对四种特征进行了检测,检测准确率最高可达到95%；结果表明直方图联合特征、梅尔倒谱特征和共生矩阵特征分别对DWT域和DCT域嵌入算法比较敏感,直方图联合特征对DFT域的嵌入算法比较敏感。由于单个特征携带信息的局限性和单分类器分类效果不理想的缺点,直接导致隐藏分析检测的效果不理想；基于上述原因,本文利用信息融合中特征融合的原理,将直方图联合特征、梅尔倒谱特征和高阶矩特征两两分别进行特征融合；然后利用集成学习的分类方法对DCT域、DFT域和DWT域语音嵌入算法进行分类检测,检测的准确率要比单个特征的单分类器检测准确率高；结果表明将信息融合技术融入隐藏分析中,融合特征携带更多的特征信息,在分类时分类效果更加好,检测准确率最高可达到99%,针对DWT域和DCT域嵌入算法,三种融合特征都可以达到满意的分类效果,针对DFT域直方图-梅尔倒谱联合特征和高阶矩-直方图联合特征可以达到满意的分类效果。