计算机隐蔽信道作为信息安全的一个重要研究领域越来越受到重视。研究者重点研究网络隐蔽信道的构造、分析、检测与处理。网络隐蔽信道的检测是这一领域的一个重要的课题。随着网络的发展,更多更复杂的隐蔽信道被构造出来。为了检测这些隐蔽信道,相关研究者在研究过程中提出了多种检测算法。但是这些检测算法存在很多问题,很多算法只能针对某些特定的隐蔽信道进行检测。检测的速度和准确率都有待提高。在检测的过程中无法获得理想的结果。深度学习算法是机器学习算法的新方向,在最近的研究中取得了很大的进展。通过使用深度学习算法可以在很大程度上提升算法的效率。本文以深度学习算法为基础,提出了一种新的网络隐蔽信道检测思路,即通过对危险信息的检测来达到对隐蔽信道检测的目的。通过比较正常信息与危险信息的差别发现隐蔽信道,由此设计一种隐蔽信道检测算法。在这个检测算法中使用循环神经网络对隐蔽信道进行检测。通过对循环网络的内部进行设计,提高隐蔽信道检测算法的性能。一方面这个算法可以检测出更为复杂的隐蔽信道,比以往仅能检测若干种类隐蔽信道的检测方法有了很大的提升。另一方面,由于使用了循环神经网络,可以使检测的准确性有很大的提高。通过对这个检测方法进行优化,可以在评价指标上得到更好的结果。为了检验算法的效果,使用具有复杂网络威胁构成网络隐蔽信道的数据集对算法进行检测。通过与普通机器学习算法进行对比,本文提出的算法能够在某些方面表现出更好的效果,由此验证了新方法的实用性。