El análisis conjunto de esteganografía tiene como objetivo descubrir al actor o actores culpables entre múltiples actores normales. Las técnicas existentes principalmente se basan en características de alta dimensión y que consumen mucho tiempo. Además, la distancia de las características menores entre la cubierta y el estego es perjudicial para el análisis conjunto de esteganografía. Para superar estos problemas, este documento se centra en la discrepancia de las características estadísticas de múltiples imágenes transmitidas y diseña una estrategia efectiva de análisis conjunto de esteganografía basada en modelos. Frente al canal público y monitoreado, sin utilizar extracciones de características, el análisis conjunto de esteganografía recopila un conjunto de imágenes transmitidas por un actor sospechoso y utiliza los valores de distorsión correspondientes como representación estadística del conjunto de imágenes seleccionado. Específicamente, la distorsión normalizada del conjunto de imágenes sospechosas generadas a través del actor o actores normales/culpables se modela como una distribución normal, y aplicamos la estimación de máxima verosimilitud (MLE) para estimar el parámetro (centro del clúster) de la distribución mediante el cual podemos representar el modelo definido. Teniendo en cuenta la tremenda diferencia de distorsión entre los conjuntos de imágenes normales y de estego, podemos deducir que el modelo construido puede descubrir y revelar de manera efectiva la existencia de comportamientos anormales de los actores culpables. Para mostrar la discrepancia de diferentes modelos, empleando la función logística y la prueba de razón de verosimilitud (LRT), construimos un nuevo detector mediante el cual la razón de los centros de clúster se convierte en una probabilidad. Dependiendo de la probabilidad generada y un umbral óptimo, realizamos un juicio sobre si el actor sospechoso es normal o culpable. Experimentos extensos demuestran que, en comparación con las técnicas existentes de análisis conjunto de esteganografía, el esquema propuesto exhibe un gran rendimiento de detección en el actor o actores culpables con una menor complejidad.