针对目前传统的隐写分析技术对特征集要求越来越高的问题，构建了一个密集连接网络模型（Steganalysis-Densely Connected Convolutional Networks，S-DCCN）进行图像隐写分析，避免了人工提取特征，提高了隐写分析效率。首先，在网络层之前添加高通滤波层（HPF）进行滤波，加快模型训练速度。经过滤波后的图像进入两层卷积层进行特征提取，在卷积层之后使用了5组密集连接模块来解决网络加深带来的梯度消失问题，密集连接模块之间通过过度层来控制整个网络的宽度。实验结果表明，相比传统的图像隐写分析算法和卷积神经网络技术，该模型有效提高了隐写分析的准确率和泛化性能。
