针对隐藏信道检测问题解决中传统检测算法存在特定隐藏信道盲区,或对某类隐藏信道针对性过强而忽视其他隐藏信道的问题,提出一种基于复双树小波包变换的邻域和空域联合网络隐藏信道检测。基于复双树小波包有限冗余变换所特有的平移不变特性、尺度间不同变换系数的相关性,以及尺度相同变换系数邻域间的相关特征,并结合信号增强机制,实现对变换系数的取舍,以达到隐藏信道信号增强效果;然后与块阈值算法联合对网络时间隐藏通道特征进行提取,采用深度学习方式实现隐藏信道训练和检测;最后通过在IPCTC、TRCTC、JitterBug、MBCTC、FXCTC五种典型时间隐藏通道中进行实验验证,显示所提算法具有更高的特征精度和较快