用途：本技能专注隐写分析中的检测环节，即在运行任何工具之前先判断文件是否存在异常、不一致或可疑之处，并据此决定后续提取方向。提取工作由配套的 steganography-analyst 技能处理。
主要能力：一是上下文信号，包括挑战描述中的提示、文件名、文件来源与体积异常（如图片远大于视觉复杂度、音频远大于时长、文本大于可见内容）。二是视觉与结构异常，如图像位平面出现异常噪声或色带、缩略图与实际内容不符、格式中不该有的 alpha 通道；PNG 可用 pngcheck -v 查看非标准块、尺寸是否为魔数或 IHDR CRC 不匹配；JPEG 可留意多个 SOI 标记、EOI 之后的数据、EXIF 缩略图不一致；音频可看频谱图中的文字图案、异常静音段、DTMF 音；文本可看空白编码、零宽字符、同形字替换。三是统计特征，包括熵分析（binwalk -E 观察平坦区或异常偏移）、位平面分析（bit_plane_extract.py --list 检查各平面开/关比例，干净图像低位应与内容相关，隐写后趋近 50/50）以及通道相关性（R/G/B 通道 XOR 后应呈现结构而非噪声）。四是现代基于神经网络的隐写：无 LSB 痕迹、图像“过于干净”、统计分布与干净图像一致、高容量却几乎无可见改动；可采用集成检测、深度特征分析，并注意对抗训练会限制检测器迁移性。
使用方式：按决策框架推进——先判断上下文是否提示存在隐藏数据；再看结构异常（file、binwalk、xxd、pngcheck、exiftool）；再看视觉异常（位平面、通道 XOR）；再看统计异常（熵、位分布）；若经典检测全部通过则怀疑 AI 隐写或根本无隐写，上下文仍提示时再尝试集成检测与深度特征分析；发现痕迹后切换到提取技能。
适用场景与限制：适用于 CTF 及数字取证中的隐写排查。需注意常见误报：重新保存的 JPEG 会产生类似隐写的 LSB 噪声、相机传感器噪声本身随机、PNG 优化工具会重排块或加元数据、文本编码差异可能造成“隐藏字符”假象，应先确认文件是否为重存 JPEG 及声明的编码。资料未提供具体安装方式、收费与平台信息。