信息隐藏技术是信息安全领域中的一个热门研究方向,可广泛地用于机密信息的安全存储与传输、隐蔽通信、数字媒体的版权保护等。但信息隐藏技术也可能被恶意滥用,如秘密窃取机密文件、秘密计划和执行犯罪活动等,对社会、国家、个人造成难以预估的损失,因此必须研究隐写分析技术来检测利用信息隐藏技术非法传递的秘密信息,以保证和维护信息安全和通信安全。本文针对目前自然语言隐写分析方法存在的语义信息分析不足、检测精度较低的问题,利用词向量包含丰富的深层语义信息的特点,对正常文本和隐写文本进行分析来实现隐写文本的识别。主要研究工作如下:(1)提出了一种基于词向量度量合适度的自然语言隐写分析方法以改进隐写分析技术。该方法使用skip-gram模型对大规模语料库进行训练获得每个词的词向量。然后,将文本中出现的每个同义词及其上下文的单词都表示为实数向量空间中的一个词向量,并利用词向量计算词与词之间的相关性;并计算每个上下文单词的TF-IDF值来加权同义词与上下文单词的相关度,从而计算出同义词在特定上下文中的合适度;最后,根据信息嵌入过程中同义词替换操作对同义词合适度的影响提取检测特征形成特征向量,并采用SVM模型训练分类器来识别基于同义词替换的隐写文本。实验结果表明,所提出的隐写分析方法比已有的两种同类隐写分析方法具有更高的检测能力,平均检测准确度提高了至少3.51%。当使用与隐写文本题材一致的特定语料库训练语言模型获得的词向量,该方法的检测性能进一步得到了提高。(2)提出了一种基于词向量和卷积神经网络的自然语言隐写分析方法。该方法利用连续神经网络语言模型Skip-gram训练特定语料库获得每个词的词向量后,将待分析文本中所有同义词和其上下文窗口中单词转换成向量矩阵作为卷积神经网络的输入。然后,采用了三种具有不同窗口大小的卷积核并行对输入进行卷积操作,自动学习到自然语言隐写分析特征;接着,使用maxpool对卷积层的输出特征进行池化以解决文本序列长度变化的问题;最后,利用全连接层实现对隐写文本和正常文本的分类。实验结果表明,提出的方法大大提高了现有自然语言隐写分析方法的检测性能,平均检测准确度达到了98.18%。