信息隐藏技术是一种将秘密信息隐藏在自然载体中而不改变载体感知特性的科学。图像、视频、语音、文本等多种数字媒体都可以作为信息隐藏的载体,而音频隐写技术是以音频为载体进行隐写的技术。现有的音频隐写方法主要是人工设计的方法,在算法设计时需要大量的对应的专业知识,门槛高,还面临很多挑战。此外,在大数据时代,媒体形式丰富多样,若信息隐藏模型只能针对单一类型的载体进行嵌入和提取,其安全性是不够的。我们希望无论输入的载体对象是音频、图像还是其他类型的数字媒体,信息隐藏模型都能对其进行嵌入和提取。生成对抗网络是一种深度无监督学习架构,其可以使生成样本分布和真实样本分布之间的JS散度不断变小,即使得生成样本尽可能地接近真实样本。本文以数字音频和数字图像为研究对象,对基于卷积神经网络和生成对抗网络的多类型载体隐写集成系统进行研究,论文的主要研究成果包括:（1）提出了一种基于卷积神经网络的可视化音频隐写模型。该模型由一个编码器和一个解码器组成:将秘密图像嵌入到音频载体中的编码器,从载密载体中提取秘密图像的解码器。本文提出将音频以可视化的方式送入到卷积神经网路中,以解决卷积神经网络只能处理图像的问题。提出的方案在两个训练集上进行训练和验证,实验结果表明,本方案可将图片嵌入音频中,并能将秘密图像高质量地恢复出来。（2）提出了一个基于生成对抗网络的可同时对音频和图像进行隐写的集成系统。该工作参考了现有的基于生成对抗网络的图像隐写模型,并结合基于卷积神经网络的可视化音频隐写模型,设计了一个可以同时以音频和图像为载体的集成隐写系统。该系统由一个编码器、一个解码器和一个鉴别器组成:编码器负责将秘密图像嵌入到音频载体或者图像载体中,解码器负责从载密音频或载密图像中恢复出秘密图像,判别器则负责判断输入样本是真实样本还是生成样本,来使它们之间的JS散度不断变小。实验表明该系统无论在音频载体上还是在图像载体上均有良好表现。