互联网、计算机以及数字通信等技术的飞速发展推动着信息时代的进步,人们越来越关注信息安全的重要性。信息隐藏作为信息安全的重要组成,将秘密信息隐蔽到常用多媒体载体中却不易被其他人察觉。然而,信息隐藏技术一方面便利了日常生活,另一方面也被有些非法分子蓄意恶用。因此,隐藏分析技术作为其对抗技术得到迅猛发展。JPEG图像以简单便捷的特点被广大信息安全研究者所认可和应用。传统的隐藏分析方法假设训练集特征分布和测试集完全相同。然而在实际环境下,载体图像来源不同、信息隐藏方法差异以及丰富图像编辑手段等因素都会造成训练集和测试集特征分布的差异,从而产生失配现象,降低隐藏分析判决准确性。近年来,现实环境下的JPEG隐藏分析研究刚刚起步。本文总结了匹配和失配隐藏分析的研究思路,归纳了常见失配因素和当前解决思路,针对现实环境下失配隐藏分析开展研究,以特征迁移为核心思想,针对不同应用场景,提出了两种针对失配现象的JPEG隐藏分析算法。本文主要研究内容如下:(1)研究了传统匹配隐藏分析技术的基本概念及发展背景,总结基本研究思路框架,并阐述了常用图像库、隐藏分析特征和分类方法。以此为基础,分析了实际环境下失配隐藏分析技术的研究思路,阐述了失配现象的基本定义,概括了常见失配产生原因,并归纳了当前失配隐藏分析技术发展现状;(2)研究了量化表和信息隐藏方法失配对于隐藏分析过程的影响,针对相同图像来源(图像生成设备)条件下的量化表和信息隐藏方法失配问题,考虑条件分布的影响,提出基于特征多阶统计量对齐的隐藏分析算法,以特征迁移为核心,通过低阶特征对齐、高阶特征对齐和迭代校准来获得更具区分能力的特征表示,实现对训练集和测试集特征统计量的匹配,从而增强特征分布相似性,有效缓解了量化表失配和信息隐藏方法失配的影响。(3)研究了混合来源图像对于隐藏分析过程的影响,针对混合载体来源图像条件下的信息隐藏方法失配问题,本文提出了基于贡献度特征迁移的隐藏分析算法,结合数字图像取证技术和迁移学习思想,通过来源分析阶段对测试集图像进行来源鉴别,通过特征迁移阶段来选取训练集中有用特征,减少训练集和测试集特征分布差异,从而得到新的特征表示,获得具有更好区分能力的隐藏分析模型。实验结果表明,该方法针对混合载体来源图像条件下的信息隐藏方法失配问题,比其他隐藏分析方法提高了5%-10%。