近年来，随着全球信息化水平的不断提高和信息安全的重要性日趋增强，隐写分析成为信息安全领域的一个新的重要研究热点。隐写分析技术是通过分析嵌入秘密信息所引起的原始载体信息的一些统计特征的变化，来判断载体中是否隐藏有秘密信息。隐写分析技术在网络信息过滤、维护社会稳定、国家安全等方面具有十分重要的现实意义。本文以数字图像为研究对象，针对LSB(LeastSignificantBit)替换隐写，提出了两种隐写分析算法，算法的特征维数少，有效地避免了“维数灾难”。主要工作如下:　　提出了一种基于共生矩阵的隐写分析方法。在提出的方法中，测试图像被分解成8个位平面，利用图像位平面之间的相关性，分别计算最低位平面和其余7个位平面之间的差分矩阵及其和矩阵，生成和矩阵的共生矩阵，通过分析共生矩阵中元素的分布情况，提取统计显著性特征，用支持向量机作为分类器来区分载体图像和隐密图像。提出的算法特征维数少，有效地避免了“维数灾难”;检测精度高，算法具有稳定性;对如JPEG压缩、中值滤波、添加噪声这些内容保持性操作的图像处理具有鲁棒性;并具有令人满意的泛化能力，计算复杂度低。　　提出了一种基于统计特征的针对LSB替换攻击的隐写分析方法，该方法利用图像相邻像素间的相关性、频率统计以及共生矩阵的联合概率分布特性，建立联合分类特征。通过统计图像相邻像素奇偶性和大小关系来描述像素之间的相关性作为奇偶特征;利用图像的位平面差分矩阵的和矩阵，统计和矩阵中每个元素重复出现的频率作为频率特征;再通过分析和矩阵的共生矩阵中元素的分布特性，提取具有统计显著性的元素作为共生分布特征。综合这些特征，用支持向量机作为分类器进行分类。该方法区分载体图像和隐密图像的检测精度高，稳定性好，鲁棒性强，并具有较好的泛化能力。