信息隐藏分支中的隐写术是一种“行为安全”技术,其与注重“内容安全”的加密技术一起构成了保密通信技术的基础。传统的隐写术通过“不可见”的方式修改特定的宿主信号以嵌入秘密信息,其本质是将隐蔽通信行为伪装成正常行为以避免攻击者的怀疑。然而,随着隐写分析技术的发展,隐写术只要对载体进行了修改,就存在被隐写分析方法检测出的可能。为了抵御隐写分析,无载体隐写应运而生,其以秘密信息为驱动直接“获取/生成”含密对象。因为无载体隐写方法传递的含密对象没有修改,所以其不存在失真,这也使得其与对应的正常对象难以区分。故而无载体隐写方法可以有效地抵抗隐写分析,具有更高的安全性。无载体隐写在诸如军事情报、隐私信息等敏感数据隐蔽传递时具有极其重要的作用,正成为隐蔽通信领域热点问题之一。因此研究面向安全隐蔽通信的无载体隐写方法对国家信息安全发展及公众隐私保护具有重要的意义和作用。本文分别从图像、文本、行为三个方面进行了研究,主要工作和创新点阐述如下:（1）为了抵抗隐写分析,本文提出了基于含密图像搜索的无载体隐写模型。其首先对大规模图像数据集的特征进行统计,建立秘密信息与图像特征之间的映射关系;然后根据映射关系从图像数据集中搜索出本身特征恰好包含（或等价于）秘密信息的自然图像来传递秘密信息。基于此模型,本文首先提出了一种基于图像Bag-of-Words模型的图像搜索式无载体隐写方法。随后,为了提高信息提取效率,本文提出了一种基于图像像素均值的图像搜索式无载体隐写方法。接着,为了提高鲁棒性,本文提出了一种基于Faster RCNN目标检测的图像搜索式无载体隐写方法。实验结果表明,这三种图像搜索式无载体隐写方法均可以抵抗隐写分析。另外基于图像像素均值的方法具有较好的实时信息提取能力,基于Faster RCNN目标检测的方法具有较好的鲁棒性。（2）含密图像搜索式方法虽然可以抵抗隐写分析,但是其存在隐藏容量低、需要大规模候选图像数据集且多个含密图像之间相关性较差的问题。为了解决上述问题,本文提出了一种基于动漫图像生成的无载体隐写方法。该方法在动漫图像生成过程中表达秘密信息。其首先将秘密信息转换为可识别的动漫图像属性标签,然后以属性标签作为动漫图像生成模型的约束条件生成含密动漫图像,最后从含密动漫图像中提取属性标签以恢复秘密信息。因为该方法使用动漫图像生成模型的约束条件传递秘密信息,所以其不需要候选图像数据集,极大地降低了无载体隐写方法的存储开销。同时,该方法可以表达任意组合的秘密信息,也进一步提高了隐藏容量和隐蔽通信的适应性。另外,目前网络上使用生成模型生成的动漫图像有很多,且本文所生成的含密动漫图像和常规生成的不含密的动漫图像不可区分,因此其仍然可以抵抗隐写分析。（3）基于动漫图像生成的无载体隐写方法仅适用于具有动漫爱好者人设的情报人员,其他人员如果突然使用很可能引起敌方的怀疑。为此,本文提出了一种基于可读长文本生成的无载体隐写方法。该方法可以根据通信双方的身份和秘密信息生成符合一定主题,语义连续且具有逻辑关系的多个含密句子。该方法生成的含密文本可通过公开的网络平台进行传递,适用于所有的情报工作者。该方法使用即插即用语言模型生成可读长文本,在文本生成过程中从可嵌入候选词池中选择适当的词来传递给定的秘密信息。其解决了文本搜索式无载体隐写方法隐藏容量低且需要候选文本数据库,以及文本生成式无载体隐写方法生成多个含密语句时出现语义上下文不连贯或者语义不符合常识的问题。实验结果表明,本文的方法不仅在隐藏容量上高于现有的方法,而且生成的文本符合一定的主题,具有更好的不可察觉性和抗检测性。（4）为了抵御针对通信方的异常行为分析,进一步提高无载体隐写方法的隐藏容量、鲁棒性和安全性,本文提出了一种基于五子棋落子行为推荐的无载体隐写方法。该方法首先训练了五子棋博弈模型,然后结合五子棋游戏规则和五子棋博弈模型建立了落子行为候选集,最后根据秘密信息选择对应的落子行为。通信双方可以通过在线游戏、发布游戏过程视频或者发布标注落子顺序的棋谱传递秘密信息。因为含密游戏行为和正常游戏行为不可区分,所以基于游戏行为推荐的无载体隐写方法具有更好的抗隐写分析能力。另外,棋谱或者记录游戏行为过程的视频在公共信道传输的过程中,即使受到了压缩或者噪音的影响,也不会影响对落子顺序的判断,所以该方法具有更好的鲁棒性。