大数据、物联网、人工智能、元宇宙等将互联网技术及信息技术进行统一结合,是建设数字化产业的大势所趋,并且这一互联关系已经被验证。在这种互联关系下,信息安全越来越重要,人们对隐私泄露问题也越发重视起来,尽管已经有信息和网络安全相关的法律出台,但无论对于个人还是企业,在隐私被泄露之后采取法律手段进行维权,存在取证困难、消耗时间精力,惩罚力度不够等难点,甚至会占用公共资源,因此在利用技术手段保护隐私是必然趋势。人们在互联网平台存储分享图像,生活中物联网设备摄像头监控拍摄自然场景,这些数据中往往包含了用户的个人隐私及生物特征信息,通过掌握人脸图像可以获得更多的个人信息,对人脸图像信息的保护研究具有重要意义。随着深度学习技术的快速发展,利用神经网络对图像进行人脸检测,选择人脸区域进行加密。与图像的完全加密相比,通过深度学习检测出图像的人脸区域,选择人脸区域进行加密可以减少运算量,节省时间成本且能满足用户保护个人隐私的需求。我们在本文设计一种基于人脸检测的图像混沌加密算法,主要研究内容如下:（1）人脸检测MTCNN算法有着轻量级参数、多任务输出的优势,针对其具有结构简单改进空间大的特点,本文对MTCNN进行优化,在进行网络结构及参数进行优化后,利用训练好的模型对图像进行了人脸检测,提高了算法的性能。（2）对数字图像进行加密可以隐藏图像的信息,结合混沌系统及图像比特分割的特点,本文设计了一种选择性比特面图像的超混沌系统加密算法,利用超混沌系统产生伪随机序列,选择人脸区域的高5位比特面图像进行加密,通过对密文图像进行相关性分析及安全性分析,检验算法的加密效果。实验结果表明,算法包括比特面分解与重构,使得解密过程更为复杂,算法对密钥十分敏感,抵抗明文攻击能力强,具有更可靠的安全性。（3）将以上两种方法结合,首先获取经过人脸检测的图像得到人脸区域,其次利用超混沌系统产生伪随机序列,最后选择人脸区域的高5位比特面图像进行加密。通过这种方式对存储在云平台的图像人脸信息进行加密,不仅能够满足保护用户人脸信息,同时减少计算机运算资源,提高了加密图像的安全性。