隐写技术作为信息隐藏的重要手段,可以将信息隐藏在各种多媒体载体上,从而保证信息的隐蔽性和安全性。多媒体社交平台的发展,使大量数字音乐、语音成为了隐写的理想载体。然而目前的音频隐写在理论、技术、应用等方面存在诸多挑战,如何在大隐写容量下提升密信隐蔽性,是其中最为关键的核心问题。本学位论文在保证大隐写容量的条件下,对STC（Syndrome-Trellis Codes）隐写框架进行了隐蔽性的提高和优化。主要开展了以下四方面的研究:搭建综合音频样本库、改进STC隐写算法、强化复杂载体选择、优化隐写痕迹。期望研究成果能为音频隐写和信息安全提供新的思路和帮助。本学位论文的研究内容包括:1、对STC隐写框架及应用进行详尽综述。根据对国内外的研究脉络,详细总结了STC隐写框架的基本研究思路,深入分析了当前自适应隐写算法中的原理、特点和存在的若干问题。结合本文的研究内容,确定了评价隐写算法性能的各项指标,搭建了适合本文隐写方案的三个不同类型的音频样本库,用于提出方案的性能测试和效果验证。2、通过优化STC隐写算法,建立分段STC（Segment-STC,S-STC）模型,使其在相同密信嵌入量下失真的元素更少。由于隐写算法的好坏直接决定了失真元素的多少,算法越好则失真越少;因此本文根据最佳子校验矩阵所具备的四种矩阵特征,提出了筛选最佳子校验矩阵的四个通用规则。基于该规则,进一步设计了分段STC算法,利用分段优化的思路,有效减少了失真元素数量。实验结果表明,在相同密信嵌入量下,S-STC产生的失真元素数量比STC更少,失真个数优化率最高可达20%。3、建立合适的音频复杂度指标,进而设计新的失真代价函数,实现自适应的复杂载体选择。研究表明,隐写载体越复杂时,整体失真代价越小。因此本文建立了音频复杂度指标,设计自适应卷积核取得原始音频与卷积音频的残差,然后按帧计算音频的复杂度。结合该复杂度,进一步设计了适用于多LSB（Least Significant Bit）级别的失真代价函数,精确计算和控制了整体的失真代价。实验结果表明,该复杂度指标可以有效选择不同类型音频的复杂区域;提出的失真代价函数在大隐写容量下,可以更好地平衡音频感知质量和密信不可检测性。4、研究音频载体的隐写痕迹,设计隐写痕迹优化的后处理模型,进而提出高隐蔽性音频隐写方案。研究表明,隐写痕迹越少则密信的隐蔽性越好。因此本文提出了基于JS（Jensen-Shannon）散度的隐写痕迹优化模型。在不影响密信提取的情况下,优化了音频载体的隐写痕迹,使隐写载体更接近原始载体的分布;并利用信噪比阈值控制了修改的位置,自适应地控制了扰动的位置。实验结果表明,本文提出的后处理模型相比于一般后处理模型,不可检测性的优化效果可达其2倍。最后,结合之前隐写算法、载体选择的研究成果,提出了整合的高隐蔽性音频隐写方案,提升了大容量下的密信隐蔽性。实验结果表明,在不同类型的样本库上,密信的不可检测性抗传统隐写分析方案提高了4%～21%;抗神经网络隐写分析方案提高了10%～20%;随着隐写容量的扩大,优化效果也在提高。