• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    機器學習在軟件測試用例集優(yōu)化生成中的應用

    2010-09-13 09:22:30靜,
    上海電機學院學報 2010年3期
    關鍵詞:流形測試用例測試數(shù)據(jù)

    胡 靜, 趙 瑩

    (上海電機學院電子信息學院,上海200240)

    機器學習在軟件測試用例集優(yōu)化生成中的應用

    胡 靜, 趙 瑩

    (上海電機學院電子信息學院,上海200240)

    軟件測試用例集生成是軟件測試中的重要環(huán)節(jié)。如何優(yōu)化軟件測試用例集,有效提高軟件測試用例集的質量,已成為提高軟件測試效率的主要手段。機器學習是解決這類問題的有效方法,目前也取得了許多重大的成果。本文對機器學習在軟件測試用例集優(yōu)化生成中的國內外研究現(xiàn)狀及存在問題進行了分析,并在此基礎上對機器學習與軟件測試用例優(yōu)化結合的發(fā)展趨勢提出了看法。

    軟件測試用例集;機器學習;遺傳算法;流形學習;測試用例優(yōu)化生成

    Abstract:Software test suite generation is important in software testing.Improving quality of test suite is a key in software testing.Machine learning is an effective way in solving the problem,and have a lot of results.This paper introduces some current research,methods and problems in machine learning for optimized generation test suites,and provides some opinions.

    Key words:software test suite;machine learning;genetic algorithms;manifold learning;optimized generation of test suite

    軟件測試是為了發(fā)現(xiàn)錯誤而執(zhí)行程序的過程,其中,設計和生成有效的測試用例是決定軟件測試質量的重要保證[1]。選取一批對錯誤敏感的測試用例可有效地提高發(fā)現(xiàn)軟件錯誤的可能性,從而降低軟件測試成本[2]。因此,如何發(fā)現(xiàn)對錯誤敏感的測試用例一直都是軟件測試人員所研究的重要課題。

    測試用例的生成可以被理解成一個數(shù)據(jù)抽樣的過程,即根據(jù)相應的數(shù)據(jù)測試覆蓋標準,采用一定的方法,在數(shù)據(jù)集中進行抽樣,以獲取一批高質量的、對隨后的測試過程貢獻較大的測試用例[3]。這個過程可以看成是一個學習過程,通過對測試用例總集的不斷學習,從中獲取高質量的用例子集,并盡可能地降低測試用例的總數(shù),節(jié)省測試成本。因而機器學習的方法自然而然地就成為了人們關注的焦點,各種機器學習的方法和成果被用來設計與生成軟件測試用例,并取得了相應的研究成果,使得機器學習的方法在軟件測試中發(fā)揮了越來越大的作用[4-5]。

    1 國內外研究現(xiàn)狀

    軟件測試方法是為了更好地實現(xiàn)軟件測試的目的而提出的途徑和優(yōu)良做法,其內容非常豐富,依據(jù)不同的目的、不同的角度有許多不同的分類結果。其中以功能測試和結構測試最為經典,本文以這兩種測試方法為主,介紹軟件測試與機器學習二者的結合。

    在功能測試領域中,主要是以檢查程序是否正確執(zhí)行規(guī)格說明書的手段來完成測試任務,測試用例的生成是根據(jù)規(guī)格說明來選擇的。早期的測試由于缺乏形式化標準的規(guī)格說明,不能很好地完成測試要求。為了盡可能多地發(fā)現(xiàn)被測系統(tǒng)中的缺陷,最理想的情況是將系統(tǒng)中所有合法和不合法的輸入情況全部執(zhí)行一遍,故一般采用人工方式選擇測試用例集。在利用機器學習方法優(yōu)化測試用例集方面,Cohen等[6-8]提出了一種數(shù)據(jù)啟發(fā)方法,根據(jù)某種啟發(fā)性原則來選取測試用例集,其中啟發(fā)性原則的好壞直接影響測試的結果,同時開發(fā)了相應的測試數(shù)據(jù)自動生成系統(tǒng)AETG(Automatic Efficient Test Generate)。Lei等[9]利用貪心算法,提出一種依據(jù)參數(shù)順序來組合測試數(shù)據(jù)生成的方法。該算法的主要思想是每次從測試用例集中挑選出能滿足最多測試需求的測試用例,然后在測試需求中去掉被該測試用例滿足的測試需求,直到所有測試需求都被滿足,這時可以認為挑選出來的測試用例所組成的集合就是最優(yōu)測試用例集。該方法也開發(fā)了相應的測試數(shù)據(jù)生成工具 PAIRTEST。此外,Cohen等[10-11]將模擬退火法應用于測試數(shù)據(jù)生成;Schrocder等[12]提出了一種測試數(shù)據(jù)約簡方法,利用系統(tǒng)的輸入-輸出關系等附加信息,在不降低錯誤檢測能力前提下,對測試數(shù)據(jù)集進行約簡。

    在結構測試領域中,主要根據(jù)程序的內部結構設計測試用例,檢測程序的每條路徑是否都按照預定的要求正確執(zhí)行。結構測試要求對被測程序的結構特性做到一定程度的覆蓋,如語句覆蓋、分支覆蓋、數(shù)據(jù)流覆蓋、路徑覆蓋等。其測試數(shù)據(jù)生成是在輸入域中,尋找滿足測試準則的輸入數(shù)據(jù)的過程。

    結構測試用例的生成較多地受到符號執(zhí)行等自動化技術的局限,不能自動產生達到滿意覆蓋程度的用例集,故測試人員需要手工生成數(shù)據(jù)以覆蓋一些特定的目標。隨機測試雖然可以提高自動化程度,但是它會產生大量的測試數(shù)據(jù),查錯率也不是很高[13]。

    機器學習方法在結構測試領域的應用主要以遺傳算法為主。遺傳算法在機器學習領域是一個非常有前途的學習算法,它將測試用例的生成問題轉化為一個利用遺傳算法進行數(shù)值優(yōu)化的問題。其中,被搜索的解空間就是測試數(shù)據(jù)空間,最優(yōu)解就是滿足特定測試目標測試數(shù)據(jù)。該搜索過程可以完全自動化,從而有助于提高測試效率。在遺傳算法中,適應度函數(shù)根據(jù)測試數(shù)據(jù)對結構性元素的覆蓋程度來計算測試數(shù)據(jù)的重要性。Poper等[14]提出了一種基于程序流程圖的適應度函數(shù)構造方法,適應于語句覆蓋與分支覆蓋。Weichselbaum等[15]提出了一種新的進化測試方法,可用于語句、分支與條件覆蓋。針對不同的測試目標,研究者們[16-17]提出了一系列的適應度值構造方法,可用于語句與分支的覆蓋。此外,還有一些方法可用于條件覆蓋[18]。

    機器學習與軟件測試技術結合在我國雖然起步較晚,但隨著軟件測試在我國許多部門越來越受到重視,關于機器學習與測試用例集優(yōu)化研究也越來越被重視起來,并取得了一些成果。如文獻[19]提出了基于貝葉斯統(tǒng)計推斷理論的軟件測試用例估計方法,以貝葉斯的統(tǒng)計理論為依據(jù),在對隨機測試過程進行形式化描述的基礎上,確定測試用例分布的總體信息。文獻[20]提出了應用模糊數(shù)學理論,給出選取測試用例的方法,并證明此方法有效。

    上述研究或從輸入域的角度,探索利用機器學習的方法精簡輸入集,節(jié)省了測試時間,提高了測試效率;或從輸入-輸出對的角度,探索測試數(shù)據(jù)與測試目標之間的距離,試圖縮短從輸入空間到輸出空間的有效路徑,達到整體提高測試效率的目的。每個方法都取得了一定的成果,也存在著一些問題。

    2 存在的若干問題

    在結構測試領域,機器學習方法是精選少量的測試用例的科學有效的方法,也是研究者們研究的重點[21-22],也取得了一些成果。但是,由于最優(yōu)的測試用例生成是一個多項式復雜度的非確定性難題(NP),所以大多數(shù)方法都只是提供了近似解,每種方法在特定情況下都存在著不足之處。

    (1)遺傳算法、模擬退火法等優(yōu)化方法最大的特點就是可以很快地生成滿足測試目標的測試數(shù)據(jù),且檢錯能力也大大提高。但是,大多數(shù)的研究僅針對控制流測試中的語句覆蓋和分支覆蓋,對于路徑覆蓋的研究較少。此外,目前的研究僅限于單元測試領域,較少深入到集成測試領域中。

    (2)遺傳算法中,適應度函數(shù)設計是決定遺傳算法執(zhí)行結果好壞的關鍵。在面向結構性測試的應用中,適應度函數(shù)的設計一般遵循如下規(guī)則[6]:適應度函數(shù)根據(jù)數(shù)據(jù)對結構性元素的覆蓋程度來計算測試數(shù)據(jù)的適應度值。此類方法先要構造測試程序流程圖,然后利用測試數(shù)據(jù)執(zhí)行軌跡來計算相應的適應值。其適應度函數(shù) F的構造為

    F取值為[0,1]。適應度函數(shù)的設計不僅能考慮測試過程中非常重要的覆蓋因素,而且還能考慮測試過程中的空間和時間因素,則所設計的適應度值將更具有通用性。若適應度函數(shù)的設計思路設計為

    式中,Tj為時間參數(shù),j∈[0,1];Kj為空間參數(shù);cost(Tj,Kj)的值與空間、時間都相關,即與內存的消耗量成反比,與程序運行的速度成正比;而cov(Tj,Kj)的值取決于測試用例所覆蓋到的路徑的價值,被覆蓋的路經越新,其分數(shù)就越高。但是目前在遺傳算法與測試用例生成的結合中,按照這種思想來設計適應度函數(shù)的應用還較少。

    貝葉斯理論可以簡單地被描述成一條原則:為了預見未來,必須要看過去。某件事情發(fā)生的概率大致可由它過去發(fā)生的頻率近似估計出來。貝葉斯方法的最大特點是方法簡單,理論依據(jù)充分,模型假設易于理解等,但是其缺點也很明顯,即它的先驗分布函數(shù)估計建立在隨機的先驗分布函數(shù)基礎上,受隨機測試數(shù)據(jù)選取影響較大,雖然要求盡可能地選取均勻分布的隨機測試數(shù)據(jù),卻給隨機測試也帶來了一定的難度。

    啟發(fā)式算法是一種根據(jù)某種啟發(fā)性原則來選取測試用例的選擇性測試方法,啟發(fā)性原則的好壞直接影響測試的結果。對于一些測試數(shù)據(jù),較難自動地構造出啟發(fā)性原則,故如何構造合適的啟發(fā)性選擇原則,也是研究人員研究的重點所在。

    3 分析與展望

    一個成功的測試用例集首先應該滿足充分性,即待測軟件在這個有限的測試用例集上的行為,應該充分體現(xiàn)軟件在整個輸入空間的行為。無論理論研究還是實驗結果都表明,對于相同數(shù)量的測試數(shù)據(jù),結合機器學習方法所產生的測試數(shù)據(jù),在發(fā)現(xiàn)錯誤的能力方面明顯要高于隨機性所產生的測試數(shù)據(jù)。但是到底能提高多少還是一個未知數(shù),即對利用某種機器學習方法而挑選出來的測試用例集,其價值到底有多高?每個測試用例對測試的貢獻有多大?還缺乏一個根本的度量。

    機器學習與具體的領域知識相結合,以此來解決一些實際問題,其主要途徑有:①整體建模方式;②局部建模方法。目前機器學習方法在軟件測試用例生成方面的研究大多采用整體建模的方法,實際上就是先假設滿足測試要求的所有用例集存在,然后在所有測試用例集上選擇較小的、較優(yōu)的用例集。此外,局部建模的方法在解決非線性、海量數(shù)據(jù)處理方面有著比整體建模方法更大的優(yōu)勢,如流形學習法、集群學習法等。從測試角度看,某些軟件系統(tǒng)功能龐大,參數(shù)復雜,滿足測試要求的測試用例具有數(shù)量大、維數(shù)高的特點。解決這類軟件系統(tǒng)的測試用例精簡問題一般難度都較大,如遺傳算法中適應度函數(shù)的設計,啟發(fā)式方法中啟發(fā)性信息的確定等。

    作為機器學習的重要研究領域——流形學習的主要目的在于發(fā)現(xiàn)并學習數(shù)據(jù)集里的內在規(guī)律與性質,完成或協(xié)助完成數(shù)據(jù)挖掘等各項任務[23]。流形學習和軟件測試用例精簡看起來是兩個不同的概念,但兩者之間存在一定的聯(lián)系。

    假設所有測試用例的集合記為Uall,被測軟件系統(tǒng)如果有 N個測試參數(shù),每個參數(shù)有 T個取值,每個取值里又有 t個元素,且任何一個測試用例都不是其他測試用例的線性組合,顯然,Uall∈Rn(Rn為實數(shù)高維空間)具有高維非線性的特點。同時,又由于它們屬于同一被測軟件,因此,從高維空間角度看,它們具有連續(xù)分布的特性,即在Uall中,從一個測試用例Ui(1

    從感知的角度看,流形是認知的基礎,任何一個高維流形一般存在于一個非線性低維流形上[24-25],認知過程在很大程度上是通過這種非線性低維流形表示來識別事物的。也就是說,無論流形結構有多么復雜,人們都可以通過少數(shù)幾個“本質”參數(shù)去迅速地認識它,同理,被測軟件的測試用例集合也可通過這些“關鍵”參數(shù)來認識其內在規(guī)律和性質。

    利用流形學習的方法進行軟件測試用例集精簡,其目標就是從在高維空間里具有“流形”分布的全體測試用例集中選擇出“最具代表性”的測試用例集,以達到有效精簡測試用例集的目的。對于中、大型軟件系統(tǒng),從輸入空間角度看,因測試數(shù)據(jù)集滿足非線性、海量數(shù)據(jù)集的特點,故如流形學習等基于局部建模的機器學習方法與軟件測試領域結合將有著更好、更廣泛的發(fā)展前景。

    4 結 語

    隨著軟件測試工作的重要性越來越高,以及機器學習方法與其結合越來越緊密,期望機器學習解決的測試問題層出不窮。各類機器學習方法在軟件測試方面的應用由此派生。這無論對機器學習領域還是軟件測試領域來說,都具有十分重要的研究價值。

    [1]Myer GJ,Sandler C,Badgett T,et al.The art of software testing[M].2nd ed.[S.l.]:John Wiley&Sons,2004:234-240.

    [2]Patton R.Software Testing.[M].2nd ed.[S.l.]:SAMS&Education,2006:10-14.

    [3]Clarke J,Dolado J J,Haman M,et al.Reformu lating software engineering as a search problem[J]. IEE Proceedings Software,2003,150(3):161-175.

    [4]Kuhn D R,Wallace D R,Gallo A M.Software fault interaction and implication for software testing[J].IEEE Transcations on Software Engineering,2004,30(6):418-421.

    [5]Wegener J.Overview of evolutionary testing[C]//IEEE Seminal Workshop.T oronto,Canada:IEEE,2001:46-54.

    [6]Coher D M,Dalal S R,Fredman M,et al.The AETG system:an approach to testing based on combinatoral design[J].IEEE Transactions on Software Engineering,1997,23(7):437-444.

    [7]Coher D M,Dalal S R,Parelius J,et al.The combinatorial design approach to automatic test generation[J].IEEE software,1996,13(5):83-88.

    [8]Cohen D M,Fredman M L.New techniques for designing qualitatively independentsystem[J].Journal of combinatorial design,1998,6(6):411-416.

    [9]Tai K C,Lei Y.A test generation strategy for pairwise testing[J].IEEE Transactions on Software Engineer,2002,28(1):109-111.

    [10]Poole J.A method to determine a basis set of paths to perform program testing[EB/OL].[2009-12-28].http:∥hissa.nist.gov/publications/nistir5737.

    [11]Cohen M B,Gibbons P B,Mugridge W B,et al.Constructing testsuites forinteraction testing[C]//Processing of the 25th International Conference on Software Engineering.Washington,D C:IEEE Computer Society,2003:38-48.

    [12]Schroeder P J,Korel B.Black-box test reduction using input-output analysis[J].ACM SIGSOFT Software Engineering Notes,2000:173-177.

    [13]Chen T Y,Tes T H,Zhou Zhiquan.Fault-based testing without the need of oracle[J].Information and Software Technology,2003,45(1):1-9.

    [14]Roper M.Computer-aided software testing using genetic algorithms[C]//The10th international software quality week(QW'97).San Francisco,USA:[s.n],1997.

    [15]Weichselbaum R. Software testautomation by means of genetic algorithms[C]//Proceedings of The 6th International Conference on Software Testing,Analysis and Review.Munich,Germany:[s.n.],1998.

    [16]Sthamer H H.The automatic generation of software test data using genetic algorithms[D].Pontyprid,U K:Thesis University of Glamorgan,1996.

    [17]Traccy N,Clark J,Mander K,et al.An automated framework for structural test-data generation[C]//Proceedings of the 13th IEEE Conference on Automated Software Engineering.Hawaii,USA:[s.n.],1998:285-288.

    [18]Kaner C,Bach J,Pettichord B.Lessons learned in software testing[J].Computing Reviews,2004,45(12):769-770.

    [19]張廣梅.軟件測試與可靠性評估[D].北京:中科院計算技術研究所,2006.

    [20]楊勁濤,郭荷清.一種精簡測試用例方法的研究[J].計算機科學,2005,32(5):236-239,F004.

    [21]莢 偉,謝軍闿,奚紅宇,等.遺傳算法在軟件測試數(shù)據(jù)生成中的應用[J].北京航天航空大學學報,1998,24(4):434-437.

    [22]史 亮,徐寶文.測試數(shù)據(jù)自動生成技術研究[D].南京:東南大學,2006:5-8.

    [23]趙連偉,羅四維,趙艷敞,等.高維數(shù)據(jù)流形的低維嵌入及嵌入維數(shù)研究[J].軟件學報,2005,16(8):1423-1430.

    [24]Camastra F.Data dimensionality estimation methods:a survey[J].Pattern Recognition,2003,36(12):2945-2954.

    [25]Gonzalez J,Rojas J,Pomares H,et al.A new clustering technique forfunction approximation[J].IEEE Transactions on NeuralNetworks,2002,13(1):132-142.

    Application of Machine Learning in Optimized Generation of Software Test Suite

    HU J ing, Z HAO Ying
    (School of Electrics and Information,Shanghai Dianji University,Shanghai 200240,China)

    TP 18;TP 311.56

    A

    1671-2730(2010)03-0162-05

    2010-02-26

    上海市教育委員會科研創(chuàng)新項目(09Y2479)

    胡 靜(1964-),女,副教授,博士,專業(yè)方向為機器學習與智能信息處理,E-mail:hujing@sdju.edu.cn

    猜你喜歡
    流形測試用例測試數(shù)據(jù)
    基于SmartUnit的安全通信系統(tǒng)單元測試用例自動生成
    緊流形上的Schr?dinger算子的譜間隙估計
    迷向表示分為6個不可約直和的旗流形上不變愛因斯坦度量
    Nearly Kaehler流形S3×S3上的切觸拉格朗日子流形
    測試數(shù)據(jù)管理系統(tǒng)設計與實現(xiàn)
    基于混合遺傳算法的回歸測試用例集最小化研究
    基于自適應粒子群優(yōu)化算法的測試數(shù)據(jù)擴增方法
    計算機應用(2016年9期)2016-11-01 17:57:12
    空間co-location挖掘模式在學生體能測試數(shù)據(jù)中的應用
    體育科技(2016年2期)2016-02-28 17:06:21
    基于依賴結構的測試用例優(yōu)先級技術
    基于多故障流形的旋轉機械故障診斷
    亚洲成a人片在线一区二区| 97碰自拍视频| 国产探花在线观看一区二区| 毛片一级片免费看久久久久 | 在线天堂最新版资源| 日韩国内少妇激情av| 亚洲第一电影网av| 国产高清三级在线| 国产精品久久电影中文字幕| 性欧美人与动物交配| 欧美xxxx性猛交bbbb| 国产成人影院久久av| 午夜亚洲福利在线播放| 一个人免费在线观看的高清视频| АⅤ资源中文在线天堂| 一级a爱片免费观看的视频| 五月伊人婷婷丁香| 五月伊人婷婷丁香| 久久精品国产自在天天线| 99国产极品粉嫩在线观看| 亚洲av成人不卡在线观看播放网| 九九在线视频观看精品| 黄色日韩在线| 一区二区三区高清视频在线| 久久香蕉精品热| 亚洲av二区三区四区| 白带黄色成豆腐渣| 99热这里只有精品一区| 久久久久久大精品| 人人妻,人人澡人人爽秒播| 亚洲三级黄色毛片| 男女视频在线观看网站免费| 亚洲成人免费电影在线观看| 欧美国产日韩亚洲一区| 免费人成视频x8x8入口观看| 九色成人免费人妻av| 91久久精品电影网| 国产成人啪精品午夜网站| 亚洲最大成人av| 一个人看视频在线观看www免费| 能在线免费观看的黄片| 亚洲自偷自拍三级| 国产免费一级a男人的天堂| 波野结衣二区三区在线| 中文字幕高清在线视频| 国产av麻豆久久久久久久| 97热精品久久久久久| 一区二区三区免费毛片| 俺也久久电影网| 嫩草影院新地址| 91在线精品国自产拍蜜月| www.999成人在线观看| 精华霜和精华液先用哪个| 无遮挡黄片免费观看| 国产精品影院久久| 国产精品影院久久| 亚洲精品一区av在线观看| 深夜a级毛片| 午夜免费成人在线视频| ponron亚洲| 人妻夜夜爽99麻豆av| 亚洲国产高清在线一区二区三| 老熟妇乱子伦视频在线观看| 赤兔流量卡办理| 国产精品人妻久久久久久| 国产激情偷乱视频一区二区| 直男gayav资源| 丰满人妻熟妇乱又伦精品不卡| 国产成人欧美在线观看| 老司机午夜十八禁免费视频| 日本黄色片子视频| 久久久国产成人精品二区| 免费在线观看成人毛片| 18禁黄网站禁片午夜丰满| 国产中年淑女户外野战色| 很黄的视频免费| 国产视频内射| 亚洲精品456在线播放app | 精品免费久久久久久久清纯| 成人午夜高清在线视频| 狠狠狠狠99中文字幕| 少妇裸体淫交视频免费看高清| 偷拍熟女少妇极品色| 日本免费a在线| 亚洲av一区综合| 日本a在线网址| 中亚洲国语对白在线视频| 高清毛片免费观看视频网站| 俺也久久电影网| 禁无遮挡网站| 久久久国产成人免费| 在线免费观看不下载黄p国产 | 亚洲精品成人久久久久久| 日韩精品中文字幕看吧| 亚洲精品乱码久久久v下载方式| 久久天躁狠狠躁夜夜2o2o| 色吧在线观看| 国产高潮美女av| 国产探花在线观看一区二区| 很黄的视频免费| 欧美一区二区亚洲| 欧美在线黄色| 欧美区成人在线视频| 国产色婷婷99| 国产美女午夜福利| 成人特级av手机在线观看| 午夜影院日韩av| 激情在线观看视频在线高清| 久久人妻av系列| 国产麻豆成人av免费视频| 国产亚洲av嫩草精品影院| 国内精品久久久久久久电影| 久久久国产成人精品二区| 日韩欧美国产在线观看| 国产大屁股一区二区在线视频| 又黄又爽又刺激的免费视频.| 人妻丰满熟妇av一区二区三区| 在线观看舔阴道视频| 国产成+人综合+亚洲专区| 久久国产精品影院| 亚洲美女搞黄在线观看 | 日韩欧美一区二区三区在线观看| 午夜a级毛片| 国产黄色小视频在线观看| 久久99热6这里只有精品| 欧美极品一区二区三区四区| 亚洲人成网站高清观看| 欧美最新免费一区二区三区 | 国产欧美日韩精品亚洲av| 久久久久久大精品| 伊人久久精品亚洲午夜| 校园春色视频在线观看| 久久人妻av系列| 高潮久久久久久久久久久不卡| 日日夜夜操网爽| 国产精品野战在线观看| 国产精品野战在线观看| 天堂av国产一区二区熟女人妻| 赤兔流量卡办理| 人妻制服诱惑在线中文字幕| 精品不卡国产一区二区三区| avwww免费| 日本a在线网址| 男人狂女人下面高潮的视频| 精品久久久久久久人妻蜜臀av| 不卡一级毛片| 3wmmmm亚洲av在线观看| 久久久久久国产a免费观看| 男人和女人高潮做爰伦理| 男人狂女人下面高潮的视频| 色综合欧美亚洲国产小说| 男人狂女人下面高潮的视频| 亚洲男人的天堂狠狠| 久久精品国产亚洲av天美| 亚洲av成人精品一区久久| 中文字幕免费在线视频6| 国产av一区在线观看免费| 国产在线男女| 日本免费一区二区三区高清不卡| 久久精品影院6| 久久久色成人| 国产高清三级在线| 在线天堂最新版资源| 免费av毛片视频| 色播亚洲综合网| 亚洲精品456在线播放app | 成熟少妇高潮喷水视频| 国产精品亚洲美女久久久| 嫩草影视91久久| 亚洲内射少妇av| 美女cb高潮喷水在线观看| 一卡2卡三卡四卡精品乱码亚洲| 一个人看视频在线观看www免费| 久久久久亚洲av毛片大全| 日韩欧美国产一区二区入口| 男人舔奶头视频| 丰满的人妻完整版| 欧美性猛交╳xxx乱大交人| 1024手机看黄色片| 国产又黄又爽又无遮挡在线| 看十八女毛片水多多多| 国产三级在线视频| 色综合站精品国产| 最近在线观看免费完整版| 夜夜夜夜夜久久久久| 啦啦啦韩国在线观看视频| 亚洲国产精品合色在线| 无遮挡黄片免费观看| 久久久久久大精品| 久久久色成人| 亚洲男人的天堂狠狠| 欧美日韩国产亚洲二区| 成人国产一区最新在线观看| 国产av不卡久久| 欧美色视频一区免费| 亚洲人成网站在线播| 内射极品少妇av片p| 丁香欧美五月| 国产伦人伦偷精品视频| 美女 人体艺术 gogo| 欧美中文日本在线观看视频| 一本精品99久久精品77| 一本精品99久久精品77| 午夜视频国产福利| 国产精品一区二区性色av| 欧美黑人欧美精品刺激| 国产成人影院久久av| 欧美成人免费av一区二区三区| 真人做人爱边吃奶动态| 国产精品久久久久久久电影| 久久精品国产清高在天天线| 女人十人毛片免费观看3o分钟| 日韩 亚洲 欧美在线| 亚洲三级黄色毛片| 亚洲国产高清在线一区二区三| 亚洲激情在线av| 性色avwww在线观看| 免费在线观看亚洲国产| 看片在线看免费视频| 国产午夜福利久久久久久| 日韩欧美三级三区| 禁无遮挡网站| 成人精品一区二区免费| 亚洲国产高清在线一区二区三| 国产伦精品一区二区三区视频9| 女人十人毛片免费观看3o分钟| 亚洲欧美精品综合久久99| 熟妇人妻久久中文字幕3abv| av中文乱码字幕在线| www.999成人在线观看| 毛片女人毛片| 国产大屁股一区二区在线视频| 欧美日韩综合久久久久久 | 久久午夜福利片| 亚洲第一欧美日韩一区二区三区| 熟妇人妻久久中文字幕3abv| 成人三级黄色视频| 俄罗斯特黄特色一大片| 国内精品久久久久久久电影| 少妇的逼水好多| 波多野结衣高清无吗| 国产一区二区激情短视频| 中亚洲国语对白在线视频| 如何舔出高潮| 国产熟女xx| 日本与韩国留学比较| 最近中文字幕高清免费大全6 | 99国产精品一区二区蜜桃av| 成年免费大片在线观看| 成人永久免费在线观看视频| 美女免费视频网站| 两个人视频免费观看高清| 极品教师在线视频| 国产伦在线观看视频一区| 国产野战对白在线观看| 国产精品女同一区二区软件 | 国产中年淑女户外野战色| 丁香六月欧美| 精品一区二区三区人妻视频| 少妇的逼好多水| 非洲黑人性xxxx精品又粗又长| 人人妻人人看人人澡| 男人舔奶头视频| 精品免费久久久久久久清纯| 美女高潮的动态| 亚洲国产精品合色在线| 日本 av在线| 嫁个100分男人电影在线观看| 又爽又黄a免费视频| 欧美区成人在线视频| 国产精品一及| 久久久国产成人免费| 成人精品一区二区免费| av国产免费在线观看| 欧美黑人巨大hd| 亚洲avbb在线观看| 白带黄色成豆腐渣| 宅男免费午夜| 久9热在线精品视频| 国产色婷婷99| 成年女人看的毛片在线观看| 亚洲激情在线av| 高清毛片免费观看视频网站| 国产色婷婷99| 欧美又色又爽又黄视频| 国内毛片毛片毛片毛片毛片| 欧美日韩福利视频一区二区| 啦啦啦韩国在线观看视频| 神马国产精品三级电影在线观看| 露出奶头的视频| 极品教师在线视频| 夜夜看夜夜爽夜夜摸| 免费电影在线观看免费观看| 亚洲av免费高清在线观看| 脱女人内裤的视频| 国产精品影院久久| 亚洲av熟女| 国产aⅴ精品一区二区三区波| 精品福利观看| 国产精品免费一区二区三区在线| 性色avwww在线观看| 国产探花在线观看一区二区| 波多野结衣高清无吗| 两个人视频免费观看高清| 国产aⅴ精品一区二区三区波| 亚洲 国产 在线| 制服丝袜大香蕉在线| 色av中文字幕| 欧美区成人在线视频| 99在线人妻在线中文字幕| x7x7x7水蜜桃| 国内精品一区二区在线观看| 国产午夜精品久久久久久一区二区三区 | 色吧在线观看| 久99久视频精品免费| 亚洲成av人片在线播放无| 亚洲成人精品中文字幕电影| 欧美在线一区亚洲| 亚洲在线自拍视频| 国产精品久久久久久亚洲av鲁大| 国产一区二区三区在线臀色熟女| 免费在线观看成人毛片| 一本综合久久免费| 久久这里只有精品中国| 亚洲欧美日韩高清专用| 亚洲国产日韩欧美精品在线观看| 91av网一区二区| 国模一区二区三区四区视频| 啦啦啦韩国在线观看视频| 自拍偷自拍亚洲精品老妇| 成人午夜高清在线视频| 十八禁国产超污无遮挡网站| 91字幕亚洲| 欧美成人性av电影在线观看| 级片在线观看| 国产老妇女一区| 亚洲精品成人久久久久久| 午夜福利在线观看吧| 日日夜夜操网爽| 久久人人精品亚洲av| 欧美午夜高清在线| 久久久久九九精品影院| 亚洲第一电影网av| 国产精品一区二区三区四区免费观看 | 日本一二三区视频观看| 国产欧美日韩精品一区二区| 无遮挡黄片免费观看| 一本一本综合久久| 在线观看舔阴道视频| 久久精品久久久久久噜噜老黄 | avwww免费| 性色avwww在线观看| 国产亚洲精品综合一区在线观看| 婷婷色综合大香蕉| 亚洲成av人片免费观看| 色5月婷婷丁香| 一a级毛片在线观看| 亚洲最大成人手机在线| 亚洲欧美激情综合另类| 欧美最新免费一区二区三区 | 亚洲av一区综合| 国产aⅴ精品一区二区三区波| 91午夜精品亚洲一区二区三区 | 日日干狠狠操夜夜爽| 级片在线观看| 成人av一区二区三区在线看| 欧美性猛交╳xxx乱大交人| 精品日产1卡2卡| 三级男女做爰猛烈吃奶摸视频| 亚州av有码| 99久久精品国产亚洲精品| 欧美日韩瑟瑟在线播放| 久久中文看片网| 国产成人av教育| 欧美绝顶高潮抽搐喷水| 国产欧美日韩一区二区三| av女优亚洲男人天堂| 99国产精品一区二区三区| 一进一出好大好爽视频| 精品熟女少妇八av免费久了| 国产免费男女视频| 国产欧美日韩精品亚洲av| 极品教师在线视频| 人妻夜夜爽99麻豆av| 一夜夜www| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 精华霜和精华液先用哪个| 男女视频在线观看网站免费| 国产色爽女视频免费观看| 亚洲av成人不卡在线观看播放网| 69人妻影院| av在线老鸭窝| av中文乱码字幕在线| 最近最新免费中文字幕在线| 免费人成在线观看视频色| 亚洲国产精品999在线| 嫁个100分男人电影在线观看| 国产亚洲精品综合一区在线观看| 日韩中字成人| 午夜精品在线福利| 久久久久免费精品人妻一区二区| 草草在线视频免费看| 18禁黄网站禁片午夜丰满| 91狼人影院| 亚洲av.av天堂| 亚洲人成伊人成综合网2020| 亚洲av五月六月丁香网| 国产一区二区激情短视频| 色av中文字幕| 日韩欧美 国产精品| 色播亚洲综合网| 国产伦精品一区二区三区四那| 国产一区二区在线观看日韩| 久久九九热精品免费| 国产成+人综合+亚洲专区| 国产精品一及| 国产视频内射| 亚洲中文字幕日韩| 日韩欧美免费精品| 精品久久久久久久久久免费视频| 亚洲自拍偷在线| 男人和女人高潮做爰伦理| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲美女视频黄频| 国产视频内射| 亚洲成人免费电影在线观看| av在线天堂中文字幕| 一本精品99久久精品77| 自拍偷自拍亚洲精品老妇| 亚洲五月婷婷丁香| 欧美乱色亚洲激情| 深夜精品福利| 色综合欧美亚洲国产小说| 亚洲中文字幕日韩| 91在线精品国自产拍蜜月| 男女那种视频在线观看| 国产午夜精品久久久久久一区二区三区 | 丝袜美腿在线中文| 亚洲av中文字字幕乱码综合| 国产主播在线观看一区二区| 99在线视频只有这里精品首页| 亚洲国产精品合色在线| 国产精品三级大全| 日本在线视频免费播放| 此物有八面人人有两片| 18美女黄网站色大片免费观看| 看黄色毛片网站| 美女黄网站色视频| 国产精品伦人一区二区| 1000部很黄的大片| 欧美在线一区亚洲| 18+在线观看网站| 美女高潮喷水抽搐中文字幕| 精品午夜福利视频在线观看一区| 国产精品一区二区性色av| 69av精品久久久久久| 少妇的逼水好多| 宅男免费午夜| 91麻豆av在线| 91午夜精品亚洲一区二区三区 | 中亚洲国语对白在线视频| 搡老熟女国产l中国老女人| 一二三四社区在线视频社区8| 精品午夜福利视频在线观看一区| 国产精品综合久久久久久久免费| 成人一区二区视频在线观看| 欧美激情久久久久久爽电影| 欧美性猛交黑人性爽| 级片在线观看| 3wmmmm亚洲av在线观看| 国内精品久久久久久久电影| 精品一区二区三区视频在线观看免费| 亚洲av熟女| 久久久久免费精品人妻一区二区| 免费高清视频大片| 久久精品国产亚洲av天美| 亚洲真实伦在线观看| 午夜激情福利司机影院| 国内精品美女久久久久久| 中国美女看黄片| 两性午夜刺激爽爽歪歪视频在线观看| 国产一区二区在线av高清观看| 日韩欧美国产在线观看| 一级a爱片免费观看的视频| 俺也久久电影网| 国产毛片a区久久久久| av在线天堂中文字幕| 窝窝影院91人妻| 黄片小视频在线播放| 内地一区二区视频在线| 久久人人精品亚洲av| 日韩有码中文字幕| 欧美一区二区精品小视频在线| 简卡轻食公司| 老熟妇仑乱视频hdxx| 夜夜爽天天搞| 在线a可以看的网站| 最后的刺客免费高清国语| 午夜两性在线视频| 国产亚洲精品久久久com| 成年版毛片免费区| 51午夜福利影视在线观看| 91在线观看av| 精品久久国产蜜桃| 国产麻豆成人av免费视频| 我的老师免费观看完整版| 桃红色精品国产亚洲av| 搡老熟女国产l中国老女人| 丰满乱子伦码专区| 在线播放国产精品三级| 深夜a级毛片| 18禁黄网站禁片午夜丰满| 激情在线观看视频在线高清| 亚洲自偷自拍三级| 精品一区二区三区av网在线观看| 美女高潮喷水抽搐中文字幕| 久久久久久久亚洲中文字幕 | 国产亚洲欧美98| 2021天堂中文幕一二区在线观| 欧美丝袜亚洲另类 | 国产精品久久久久久久电影| 男人的好看免费观看在线视频| 欧美日韩综合久久久久久 | 3wmmmm亚洲av在线观看| 最后的刺客免费高清国语| 99久久九九国产精品国产免费| 国产精品女同一区二区软件 | 又黄又爽又刺激的免费视频.| 一进一出好大好爽视频| 99久国产av精品| 国产午夜精品久久久久久一区二区三区 | 99在线视频只有这里精品首页| 三级国产精品欧美在线观看| 嫩草影院入口| 久久国产精品影院| 狠狠狠狠99中文字幕| 又黄又爽又免费观看的视频| 亚洲欧美日韩卡通动漫| 国产乱人伦免费视频| 中国美女看黄片| 亚洲 欧美 日韩 在线 免费| 毛片女人毛片| 日韩欧美 国产精品| 久99久视频精品免费| 男人舔奶头视频| 日本黄色片子视频| 精华霜和精华液先用哪个| 99热这里只有精品一区| 热99在线观看视频| 精品久久久久久久久久久久久| 亚洲av免费在线观看| 淫妇啪啪啪对白视频| 天堂√8在线中文| 国产激情偷乱视频一区二区| 亚洲av电影在线进入| 色5月婷婷丁香| 69人妻影院| 网址你懂的国产日韩在线| 最后的刺客免费高清国语| 国产午夜福利久久久久久| 别揉我奶头~嗯~啊~动态视频| 又粗又爽又猛毛片免费看| 日本黄色片子视频| 欧美bdsm另类| 午夜久久久久精精品| 深夜精品福利| 99热精品在线国产| 色综合站精品国产| 色综合婷婷激情| 淫秽高清视频在线观看| 免费av观看视频| 18禁在线播放成人免费| 亚洲一区二区三区不卡视频| 偷拍熟女少妇极品色| 特级一级黄色大片| 欧美性猛交╳xxx乱大交人| 国产熟女xx| 一个人免费在线观看电影| 日韩国内少妇激情av| 99久久无色码亚洲精品果冻| 看十八女毛片水多多多| 精品久久久久久久末码| 国产精品久久久久久久电影| 久久性视频一级片| 1000部很黄的大片| bbb黄色大片| 欧美又色又爽又黄视频| 亚洲人成伊人成综合网2020| 国产av在哪里看| 亚洲精品456在线播放app | 少妇丰满av| 中文在线观看免费www的网站| 国产成年人精品一区二区| 中文字幕久久专区| 久久久久久久午夜电影| 亚洲中文日韩欧美视频| 乱人视频在线观看| 在线十欧美十亚洲十日本专区| 69人妻影院| 亚洲精品一卡2卡三卡4卡5卡| 最后的刺客免费高清国语| 身体一侧抽搐| 欧美xxxx性猛交bbbb| 成人三级黄色视频| 久久伊人香网站| 美女高潮喷水抽搐中文字幕| 脱女人内裤的视频| a级毛片a级免费在线| 国产伦一二天堂av在线观看| 久久久久久久精品吃奶| 三级男女做爰猛烈吃奶摸视频| 桃红色精品国产亚洲av| 12—13女人毛片做爰片一| 99久久精品国产亚洲精品| 美女大奶头视频|