La comunicación encubierta fue ampliamente estudiada en los últimos años en términos de mantener la comunicación de entidades en Internet en secreto desde el punto de vista de la seguridad de la información. Debido al anonimato de las cuentas y la publicidad del libro mayor, blockchain es un canal natural e ideal para ayudar a los usuarios a establecer canales de comunicación encubierta. Los remitentes pueden incrustar mensajes secretos en ciertos campos de las transacciones, y los destinatarios pueden extraer esos mensajes de las transacciones sin llamar la atención de otros usuarios. Sin embargo, hasta donde sabemos, la mayoría de los trabajos existentes se han centrado en el diseño de esquemas de comunicación encubierta basados en blockchain. Pocos estudios se han concentrado en el reconocimiento de transacciones utilizadas para la comunicación encubierta. En este documento, primero analizamos los esquemas de reconocimiento de transacciones encubiertas basados en redes neuronales convolucionales (CNN) y basados en atención, y exploramos la profunda relación entre la extracción apropiada de características y los campos incrustados de las transacciones encubiertas. Además, proponemos un esquema de reconocimiento de transacciones encubiertas multidimensional (M-CTR). Puede admitir simultáneamente la extracción de características unidimensionales y bidimensionales para reconocer transacciones encubiertas. Los resultados experimentales muestran que la precisión y la recuperación del M-CTR en el reconocimiento de transacciones encubiertas superaron a los de los esquemas de comunicación encubierta existentes.