1.基于局部线性嵌入的人脸识别安全外包计算方法，应用于客户端，其特征在于，包括：
2.基于局部线性嵌入的人脸识别安全外包计算方法，应用于云服务器，其特征在于，包括：
3.基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，包括：
4.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，盲化因子的生成过程为：根据待计算矩阵的规模生成单位矩阵il×l，若l为偶数，则且从k＝1开始迭代运行下述过程：
5.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，盲化因子的生成过程为：根据待计算矩阵的规模生成单位矩阵il×l，若l为奇数，则且从k＝1开始迭代运行下述过程：
6.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，在矩阵乘法运算阶段，其盲化因子为(ε1，k11，k12，k13)，客户端对待计算矩阵和进行盲化处理后得到z1′＝k11(ε1z)k12，z2′＝k12t(ε1zt)k13；客户端对矩阵乘法的运算结果进行验证；具体地，选择随机向量r，若rc′＝rz1′z2′成立，验证通过，使用盲化因子(ε1，k11，k12，k13)进行解密，得到其中，k11，k12，k13为盲化矩阵，ε1为随机实数。
7.如权利要求6任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，在线性方程求解阶段，其盲化因子为(ε2，k21，k22)，客户端对解密后的矩阵乘法运算结果c和b进行盲化处理，计算c″＝k21ck22，b′＝k21(cε2+1)；客户端对线性方程求解的运算结果进行验证，验证c″w′＝b′是否成立，若验证通过，使用盲化因子(ε2，k21，k22)进行解密，得到权重向量w＝k22w′-ε2；根据权重向量w构造权重矩阵w，根据权重矩阵w构造稀疏矩阵m＝(i-w)t(i-w)；其中，k21，k22为盲化矩阵，ε2为随机实数。
8.如权利要求7任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，在特征值分解阶段，其盲化因子为(k3，ε3，s)，s与ε3均为随机数；客户端对稀疏矩阵m进行盲化处理，计算m′＝k3(ε3m+si)k3t；客户端特征值分解的运算结果进行验证，选择随机向量r，若等式m′r＝q′λ′(q′tr)成立，则验证通过，使用盲化因子(k3，ε3，s)进行解密，得到特征值矩阵特征向量矩阵q＝k3tq′；其中，q′为m′的特征向量组成的矩阵，λ′为m′的特征值组成的对角矩阵。
9.如权利要求8任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，客户端根据特征值分解阶段解密后的运算结果对待识别人脸图像进行人脸识别的过程具体包括：选取特征值矩阵λ中除最小特征值外，次小的d个特征值对应的特征向量，将d个特征向量组成矩阵y；提取待识别人脸图像的投影矩阵ytest；对于ytest中的行向量ytest，计算ds＝||ytest-yi||2，yi为矩阵y的元素，如果ds小于正阈值，则认为待识别人脸图像与矩阵y表示的图像属于同一个物体，否则不是。
10.基于局部线性嵌入的人脸识别安全外包计算系统，其特征在于，包括：