作为信息安全领域的一个重要研究领域,数字图像隐写和隐写分析问题受到了人们越来越多的关注。但是,现有的大多数负载定位方法只能定位非自适应隐写术的嵌入位置,据我们所知目前还没有能够精确定位自适应隐写术负载的有效方法。本文针对自适应隐写术的隐写信息存在性检测和负载定位问题展开研究。针对自适应隐写术的隐写信息存在性检测问题,提出了一种基于卷积神经网络的隐写检测方法。网络模型采用多激活函数、批正则化、绝对值化等操作,并在预处理层使用高通滤波器过滤图像低频信号以得到隐写噪声残差,在卷积层实现隐写特征的自动提取,在全连接层实现对特征的分类。基于BOSSbase数据集的实验结果表明,该检测方法能够达到82.98%的检测率。针对自适应隐写术的负载定位问题,提出了一种基于修改图的自适应隐写术负载模糊定位方法。该方法以相同的隐写嵌入率生成随机秘密信息嵌入载密图像,计算载密图像和二次嵌入图像的隐写修改图,并按设定的外边距值扩展隐写修改图以模糊定位自适应隐写术的负载。在BOSSbase数据集上的实验结果表明,当外边距值设定为9时,提出的定位算法能够达到95.27%的查全率。为了解决基于修改图的隐写负载定位算法中定位准确率较低的问题,提出了一种基于权重的改进自适应隐写术负载模糊定位方法。该方法借鉴带权K近邻思想,将图像像素间的欧式距离作为像素权重因子,定义图像的带权隐写修改代价矩阵,再按带权修改代价值大小对扩展隐写修改图中的像素进行排序,合理标记扩展隐写修改图中的负载像素位置。在BOSSbase数据集上的实验结果表明,相比基于修改图的隐写负载定位算法,该方法在不降低查全率的条件下,定位准确率提高了17.63%。