该论文提出了一种名为 BlowLive 的多因素生物识别框架，旨在解决现有生物识别系统在活体检测、模板保护、可撤销性和准确性等方面的不足。BlowLive 融合了两种互补的生物特征模态：行为模态的吹气声学信号（blow-acoustics）和生理模态的面部生物特征。框架采用先进的频谱特征提取和多模态融合技术，即使对于行为模态也实现了高认证精度（吹气声学 99.56%，面部及融合 100%）。核心创新在于：1) 使用模糊提取器从噪声生物特征输入中生成稳定的加密密钥，替代原始模板进行认证，从而保护隐私并支持模板可撤销性；2) 基于多普勒频移设计了一种新颖的活体检测机制，有效抵御回放、合成和深度伪造攻击。实验基于 50 名参与者的数据集，验证了 BlowLive 在认证准确性（融合模态 100%）、活体检测（99.42%）、模板安全性与可撤销性、非侵入性和高可用性方面的有效性。该研究为下一代安全生物识别系统提供了新的设计思路。