随着生活的智能化与信息化,视频监控、人脸识别、社交网络等为隐私侵犯提供了捷径。这些技术使得我们可能随时被拍照、被摄像,人脸信息被到处记录。同时,人脸图像因具有大量独特的个人特征,如果直接公开这些具有隐私信息的人脸图像,就会导致个人敏感信息的泄露,因此人脸图像的隐私保护至关重要。目前,对人脸进行隐私保护的常用方法是对其进行匿名化,但现阶段的通用方法都无法很好的平衡隐私保护和匿名化人脸的数据可用性。为了突破已有方法存在的限制,本文对人脸匿名化方法进行了深入研究。本文的主要贡献可概述如下:（1）为了使得匿名化人脸在满足隐私保护的同时,仍然具有多样性,提出了一种基于EGAN的人脸匿名化方法。该方法利用进化生成对抗网络中进化算法的思想,针对人脸匿名化的隐私保护和数据可用性两个技术目标,对进化生成对抗网络进行了改进,将生成器生成的人脸图像与对应的原始人脸图像的结构相似性和距离加入到进化生成对抗网络中生成器的性能评估阶段,并将其定义为匿名化指数I_DS,以此淘汰掉表现差的个体,留下性能好的生成器,然后利用训练得到的最优生成器生成匿名化人脸。通过两种人脸识别方法验证以及与传统方法结果的比较,结果表明,生成的匿名化人脸在保持了原始人脸集多样性、高质量的同时,也具有很好的隐私保护性能。（2）为了验证生成的匿名化人脸在身份无关情境下仍然具有数据可用性,且可用在人脸年龄估计的任务中,在第一个方法的基础上,提出了一种基于隐私保护的年龄估计方法。该方法将生成的匿名化人脸作为数据集,利用DEX年龄估计方法,将年龄估计回归问题变为年龄分类和Softmax期望相结合的问题,对生成的匿名化人脸进行表面年龄估计。通过实验验证,生成的匿名化人脸可用在年龄估计的场景中,且能得到较好的估计结果。（3）得到了可用于基于人脸隐私保护的年龄估计研究中的匿名化人脸集。该数据集基于Morph-II数据集,通过多任务神经网络模型（MTCNN）实现人脸的检测、对齐、裁剪,利用改进的进化生成对抗网络生成大小为144*144的匿名化人脸图像。该匿名化人脸集删除了不含人脸的238张图像,一共包含了13658个人的54896张人脸正面图像。