在当前数字化时代，各类社交媒体用户每天上传的照片通常包含大量日常生活隐私信息。尽管这些隐私信息可助力企业为用户提供更优质的服务，但其也面临被泄露的风险。尤其随着目标检测任务深度学习技术的发展，用户隐私可被轻易提取。为此，本项目提出一种防止深度神经网络（DNN）检测器识别隐私对象（尤其是人体）的方法。该方法利用深度学习模型固有的对抗样本漏洞特性实现对图像的隐私保护。在PASCAL VOC数据集上评估表明所提算法可将人体检测召回率从81.1%降至18.0%，同时基本不影响图像的外在表现。结果显示，该方法在有效防止DNN检测器暴露隐私的同时，能够最大程度保留图像的视觉质量。