• <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 ?

    基于混合核函數(shù)的LSSVM網(wǎng)絡(luò)入侵檢測方法

    2015-11-09 21:42:01趙夫群
    現(xiàn)代電子技術(shù) 2015年21期
    關(guān)鍵詞:最小二乘支持向量機粒子群優(yōu)化

    趙夫群

    摘 要: 針對常規(guī)網(wǎng)絡(luò)入侵檢測算法檢測率低、誤報率高以及檢測效率低下等問題,在此使用基于混合核函數(shù)的最小二乘支持向量機作為網(wǎng)絡(luò)入侵檢測模型的核心算法,使用粒子群優(yōu)化算法對最小二乘支持向量機的各個參數(shù)進行優(yōu)化。使用著名的KDD CUP99數(shù)據(jù)庫中的部分數(shù)據(jù)樣本對網(wǎng)絡(luò)入侵檢測模型進行訓練和測試,以驗證所提出網(wǎng)絡(luò)入侵檢測方法的性能。測試實驗結(jié)果表明,提出的基于混合核函數(shù)的PSO?LSSVM算法具有更好的檢測性能,提高了檢測系統(tǒng)的檢測率。

    關(guān)鍵詞: 最小二乘支持向量機; 粒子群優(yōu)化; 網(wǎng)絡(luò)入侵檢測; 混合核函數(shù)

    中圖分類號: TN711?34; TP393 文獻標識碼: A 文章編號: 1004?373X(2015)21?0096?04

    Detection method of LSSVM network intrusion based on hybrid kernel function

    ZHAO Fuqun

    (Xianyang Normal University, Xianyang 712000, China)

    Abstract: Since the conventional detection algorithm of network intrusion has low detection rate, high false positive rate and low detection efficiency, the least squares support vector machine (LSSVM) algorithm based on hybrid kernel function is taken as the core algorithm of the network intrusion detection model, and each parameter of the LSSVM is optimized by using particle swarm optimization (PSO) algorithm. The network intrusion detection model was trained and tested by partial data samples in famous KDD CUP99 database to verify the performance of the proposed network intrusion detection method. The test results show that the PSO?LSSVM algorithm based on hybrid kernel function has better detection performance, and can improve the detection rate of the detection system.

    Keywords: LSSVM; PSO; network intrusion detection; hybrid kernel function

    0 引 言

    隨著互聯(lián)網(wǎng)技術(shù)與計算機技術(shù)的不斷發(fā)展,互聯(lián)網(wǎng)得到了廣泛的普及,為人們的生活、學習、工作帶來了無限的便利,可以說人們已經(jīng)無法離開互聯(lián)網(wǎng)?;ヂ?lián)網(wǎng)為人們帶來便利的同時,也帶來了新的問題,也就是互聯(lián)網(wǎng)網(wǎng)絡(luò)安全問題。隨著互聯(lián)網(wǎng)犯罪率的逐年升高以及惡劣程度逐漸加劇,網(wǎng)絡(luò)安全越來越多地引起了人們的更深入的關(guān)注。網(wǎng)絡(luò)入侵檢測一直是人們研究互聯(lián)網(wǎng)技術(shù)的熱點問題之一,隨著互聯(lián)網(wǎng)入侵類型以及技術(shù)的不斷更新,傳統(tǒng)常規(guī)的網(wǎng)絡(luò)入侵檢測方法已經(jīng)不能夠滿足現(xiàn)階段網(wǎng)絡(luò)入侵檢測要求;提高網(wǎng)絡(luò)入侵檢測系統(tǒng)檢測率以及檢測效率是研究網(wǎng)絡(luò)入侵檢測方法的主要問題之一[1?2]。

    基于統(tǒng)計學習理論發(fā)展起來的支持向量機因為其具有較強的泛化能力以及處理非線性問題的能力,同時在局收斂性、處理非線性問題、小數(shù)據(jù)樣本等問題上要優(yōu)于其他機器學習算法,因此其在網(wǎng)絡(luò)入侵檢測系統(tǒng)中得到了廣泛的應(yīng)用。但是其算法存在稀疏性差、核函數(shù)容易受到條件制約等缺陷[3]。

    因此,本文研究一種基于混合核函數(shù)的最小二乘支持向量機作為網(wǎng)絡(luò)入侵檢測模型的核心算法,使用粒子群優(yōu)化算法對最小二乘支持向量機的各個參數(shù)進行優(yōu)化。RBF核函數(shù)屬于局部核函數(shù),Polynomial核函數(shù)屬于全局核函數(shù)。局部核函數(shù)與全局核函數(shù)區(qū)別在于:局部核函數(shù)具有較強的學習能力以及較弱的泛化能力;全局核函數(shù)正好相反,其具有較強的泛化能力以及較弱的學校能力。因此將上述兩種核函數(shù)進行混合,構(gòu)造一種新型混合函數(shù),以發(fā)揮兩種核函數(shù)的優(yōu)勢,規(guī)避其劣勢。

    1 混合函數(shù)PSO?LSSVM

    1.1 最小二乘支持向量機

    Vapnik基于統(tǒng)計學習理論提出一種依據(jù)最小化結(jié)構(gòu)風險原理的小樣本學習方法,這種學習方法辨識支持向量機,簡稱SVM。

    設(shè)定[xi]是[n]維輸入向量,[yi]是一維輸出值,[l]是樣本數(shù)量,你們訓練樣本集合表示為:

    RBF核函數(shù)屬于局部核函數(shù),Polynomial核函數(shù)屬于全局核函數(shù)。局部核函數(shù)與全局核函數(shù)區(qū)別在于,局部核函數(shù)具有較強的學習能力以及較弱的泛化能力,全局核函數(shù)正好相反,其具有較強的泛化能力以及較弱的學校能力。因此可以上述兩種核函數(shù)進行混合,構(gòu)造一種新型混合函數(shù),以發(fā)揮兩種核函數(shù)的優(yōu)勢,規(guī)避其劣勢。混合函數(shù)可以表示為[6]:

    [K=aKpoly+1-aKRBF=axxi+1q+1-aexp-x-xi2γ] (12)

    式中:[γ]為RBF核函數(shù)懲罰系數(shù);[q]為Polynomial核函數(shù)核階數(shù);[a]為混合權(quán)重系數(shù),[a∈0,1]。RBF核函數(shù)即為[a]為0時的混合函數(shù);Polynomial核函數(shù)即為[a]為1時的混合函數(shù)。

    由上述分析可知,核函數(shù)的核矩陣均是半正定的。其滿足運行由簡單構(gòu)建塊構(gòu)造復雜核的閉性質(zhì)。

    若[K1,][K2]是[X×X]的核,[X∈Rn,][fx]屬于[X]上實值函數(shù),那么下列組合函數(shù)還是核函數(shù):

    式中:[wmin]為最后權(quán)重,通常[wmin=0.45];[T]為現(xiàn)在迭代次數(shù);[Tmax]為迭代次數(shù)最大值,[Tmax=200;][wmax]為初始權(quán)重[9],通常[wmax=0.9;]

    1.4 基于混合核函數(shù)的PSO?LSSVM算法

    首先需要對RBF核函數(shù)參數(shù)[γ]和懲罰系數(shù)[c]這兩個參數(shù)進行優(yōu)化,方能使用基于傳統(tǒng)RBF核函數(shù)支持向量機的粒子群優(yōu)化算法?;诨旌虾撕瘮?shù)的PSO?LSSVM優(yōu)化算法為了得到最好的性能,需要對RBF核函數(shù)參數(shù)[γ]、懲罰系數(shù)[c]、Polynomial核函數(shù)核階數(shù)[q]以及混合權(quán)重[a]這4個參數(shù)進行優(yōu)化[10]。

    2 實驗研究

    2.1 數(shù)據(jù)來源

    在實驗室的Intel i7 2620QM,16 GB RAM,1 TB硬盤,Windows 7 操作系統(tǒng)環(huán)境的工作站中使用Matlab網(wǎng)絡(luò)入侵檢測模型進行模擬仿真研究,數(shù)據(jù)來源于著名的KDD CUP99數(shù)據(jù)庫。KDD CUP99數(shù)據(jù)庫涵蓋了各種類型網(wǎng)絡(luò)入侵攻擊數(shù)據(jù),最典型的有以下四類:

    (1) Probe:掃描攻擊();

    (2) DOS:拒絕服務(wù)攻擊;

    (3) U2L:未授權(quán)使用本地超級權(quán)限訪問攻擊;

    (4) U2R:遠程用戶未授權(quán)訪問攻擊[11]。

    由于KDD CUP99數(shù)據(jù)庫非常龐大,不可能對數(shù)據(jù)庫中所有數(shù)據(jù)進行提取使用,因此只從KDD CUP99數(shù)據(jù)庫隨機提出一定的樣本數(shù)據(jù)用于實驗分析。提取樣本數(shù)量如下:

    (1) 50個Probe掃描攻擊樣本;

    (2) 200個DOS拒絕服務(wù)攻擊樣本;

    (3) 100個U2L未授權(quán)使用本地超級權(quán)限訪問攻擊樣本;

    (4) 80個U2R遠程用戶未授權(quán)訪問攻擊樣本;

    (5) 1 000個正常樣本。

    2.2 數(shù)據(jù)處理

    通常使用誤報率、檢測率以及檢測時間對網(wǎng)絡(luò)入侵檢測方法的檢測性能進行評價:

    [誤報率=被誤報為入侵的正常樣本數(shù)量正常樣本總數(shù)×100%] (16)

    [檢測率=檢測出入侵樣本數(shù)量入侵樣本總數(shù)×100%] (17)

    為了消除少量樣本數(shù)據(jù)的特征對支持向量機性能的影響,需要對樣本數(shù)據(jù)做歸一化處理:

    [x′i=xi-xxstd ,i=1,2,…,n] (18)

    式中:[xstd]是樣本的特征標準差;[n]是用于訓練的樣本數(shù)量[12]。

    通過粒子群優(yōu)化算法尋優(yōu)后的混合核函數(shù)最小二乘支持向量機的RBF核函數(shù)參數(shù)[γ、]懲罰系數(shù)[c、]Polynomial核函數(shù)核階數(shù)[q]以及混合權(quán)重[a]這4個參數(shù),如表1所示[13]。

    對比結(jié)果表明,LSSVM算法能夠有效避免使用龐大訓練樣本的BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值以及收斂速度低等問題。因此,對于網(wǎng)絡(luò)入侵檢測這種高維數(shù)、訓練樣本數(shù)量小以及線性不可分模型,使用本文研究的LSSVM算法能夠有效實現(xiàn)入侵檢測功能。

    3 結(jié) 論

    本文對網(wǎng)絡(luò)入侵檢測方法進行了研究,首先對網(wǎng)絡(luò)入侵檢測系統(tǒng)進行了分析,并根據(jù)傳統(tǒng)網(wǎng)絡(luò)入侵檢測算法劣勢和缺陷,研究新型網(wǎng)絡(luò)入侵檢測方法,以混合核函數(shù)的粒子群優(yōu)化最小二乘支持向量機算法作為算法核心。為了驗證所提出網(wǎng)絡(luò)入侵檢測方法的性能,在實驗室工作站環(huán)境下使用著名的KDD CUP99數(shù)據(jù)庫中的部分數(shù)據(jù)樣本對網(wǎng)絡(luò)入侵檢測模型進行訓練和測試。使用基于傳統(tǒng)的RBF核的LSSVM算法以及基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法與所提出的算法進行對比,實驗結(jié)果表明,本文提出的基于混合核函數(shù)的PSO?LSSVM算法具有更好的檢測性能,提高了網(wǎng)絡(luò)入侵檢測系統(tǒng)的檢測率,降低了誤報率。

    參考文獻

    [1] 肖國榮.改進蟻群算法和支持向量機的網(wǎng)絡(luò)入侵檢測[J].計算機工程與應(yīng)用,2014(3):75?78.

    [2] 張拓,王建平.基于CQPSO?LSSVM的網(wǎng)絡(luò)入侵檢測模型[J].計算機工程與應(yīng)用,2015(2):113?116.

    [3] 劉明珍.基于CPSO?LSSVM的網(wǎng)絡(luò)入侵檢測[J].計算機工程,2013(11):131?135.

    [4] 劉智國,張雅明,林立忠.基于粒子群LSSVM的網(wǎng)絡(luò)入侵檢測[J].計算機仿真,2010(11):136?139.

    [5] 左申正.基于機器學習的網(wǎng)絡(luò)異常分析及響應(yīng)研究[D].北京:北京郵電大學,2010.

    [6] 郭通.基于自適應(yīng)流抽樣測量的網(wǎng)絡(luò)異常檢測技術(shù)研究[D].鄭州:解放軍信息工程大學,2013.

    [7] 王雪松,梁昔明.改進蟻群算法優(yōu)化支持向量機的網(wǎng)絡(luò)入侵檢測[J].計算技術(shù)與自動化,2015(2):95?99.

    [8] 劉潔.基于支持向量機的網(wǎng)絡(luò)入侵檢測系統(tǒng)研究[D].長沙:中南大學,2008.

    [9] 譚龍.基于聚類和支持向量機的網(wǎng)絡(luò)入侵檢測[D].秦皇島:燕山大學,2010.

    [10] 胡天騏,單劍鋒,宋曉濤.基于改進PSO?LSSVM的模擬電路診斷方法[J].計算機技術(shù)與發(fā)展,2015(6):193?196.

    [11] 孫衛(wèi)紅,童曉,李強.改進PSO優(yōu)化參數(shù)的LSSVM燃煤鍋爐NO_X排放預(yù)測[J].數(shù)據(jù)采集與處理,2015(1):231?238.

    [12] 鄭志成,徐衛(wèi)亞,徐飛,等.基于混合核函數(shù)PSO?LSSVM的邊坡變形預(yù)測[J].巖土力學,2012(5):1421?1426.

    [13] 陳健,陳雪剛,張家錄,等.杜鵑鳥搜索算法優(yōu)化最小二乘支持向量機的網(wǎng)絡(luò)入侵檢測模型[J].微電子學與計算機,2013(10):29?32.

    [14] 呂曼.基于數(shù)據(jù)挖掘的入侵檢測方法的研究[D].大慶:大慶石油學院,2007.

    [15] 張躍軍.提高基于SVM的網(wǎng)絡(luò)入侵檢測性能的研究[D].濟南:山東大學,2006.

    猜你喜歡
    最小二乘支持向量機粒子群優(yōu)化
    一種模擬電路故障診斷方法研究
    基于滾動時間窗的PSO—LSSVM的通信基站能耗建模
    基于最小二乘支持向量機的VaR計算方法研究
    價值工程(2017年6期)2017-03-15 17:51:46
    電子商務(wù)交易風險評估模型仿真分析
    引入螢火蟲行為和Levy飛行的粒子群優(yōu)化算法
    基于聯(lián)合互信息的動液面預(yù)測模型
    能源總量的BP網(wǎng)絡(luò)與粒子群優(yōu)化預(yù)測
    科技視界(2016年20期)2016-09-29 11:58:53
    分簇競爭PSO測試用例自動生成算法
    軟件導刊(2015年12期)2016-01-05 06:30:06
    基于混合粒子群優(yōu)化的頻率指配方法研究
    基于PSO小波神經(jīng)網(wǎng)絡(luò)的熱連軋板材質(zhì)量模型優(yōu)化
    av又黄又爽大尺度在线免费看| 久久热在线av| 日韩免费高清中文字幕av| 色婷婷久久久亚洲欧美| 2018国产大陆天天弄谢| 国产免费视频播放在线视频| 亚洲精品一卡2卡三卡4卡5卡 | 黑人巨大精品欧美一区二区蜜桃| 中国国产av一级| 99国产精品免费福利视频| 亚洲 国产 在线| 91字幕亚洲| 天天影视国产精品| 美女午夜性视频免费| 国产在线一区二区三区精| 国产深夜福利视频在线观看| 国产亚洲精品第一综合不卡| 免费少妇av软件| 91麻豆精品激情在线观看国产 | 久9热在线精品视频| 亚洲精品自拍成人| 麻豆av在线久日| 黄片大片在线免费观看| 一级,二级,三级黄色视频| 久久精品熟女亚洲av麻豆精品| 黑人欧美特级aaaaaa片| 国产色视频综合| 黄片小视频在线播放| 国产精品久久久人人做人人爽| 日韩视频在线欧美| 妹子高潮喷水视频| 不卡一级毛片| 亚洲国产精品成人久久小说| 搡老熟女国产l中国老女人| 青青草视频在线视频观看| 国产精品 欧美亚洲| 夫妻午夜视频| 一级毛片电影观看| 亚洲av电影在线观看一区二区三区| 中文字幕色久视频| 久久久精品国产亚洲av高清涩受| 制服诱惑二区| 午夜老司机福利片| 亚洲中文日韩欧美视频| 国产亚洲av片在线观看秒播厂| 色94色欧美一区二区| 欧美成狂野欧美在线观看| 免费av中文字幕在线| 久久精品亚洲熟妇少妇任你| 人人妻,人人澡人人爽秒播| 老熟女久久久| 国产片内射在线| 老汉色av国产亚洲站长工具| 丁香六月天网| 国产无遮挡羞羞视频在线观看| 真人做人爱边吃奶动态| 国产精品一区二区在线不卡| 少妇的丰满在线观看| 成年女人毛片免费观看观看9 | 天天躁日日躁夜夜躁夜夜| 91精品伊人久久大香线蕉| xxxhd国产人妻xxx| 精品国产乱子伦一区二区三区 | 高清黄色对白视频在线免费看| 成年美女黄网站色视频大全免费| 日本精品一区二区三区蜜桃| 日本猛色少妇xxxxx猛交久久| 老司机午夜十八禁免费视频| 国产极品粉嫩免费观看在线| 操出白浆在线播放| 免费观看av网站的网址| 黄色视频,在线免费观看| 91成年电影在线观看| videosex国产| 性高湖久久久久久久久免费观看| 俄罗斯特黄特色一大片| 日韩熟女老妇一区二区性免费视频| 日韩,欧美,国产一区二区三区| 十八禁网站免费在线| 99精品欧美一区二区三区四区| 欧美日韩亚洲综合一区二区三区_| 男女之事视频高清在线观看| 考比视频在线观看| 一级毛片女人18水好多| 啦啦啦中文免费视频观看日本| 国产av又大| 国产伦人伦偷精品视频| 国产成人精品无人区| 日本a在线网址| 亚洲 国产 在线| 午夜免费成人在线视频| 伊人久久大香线蕉亚洲五| 9热在线视频观看99| 黑人巨大精品欧美一区二区蜜桃| 久久久精品免费免费高清| 国产三级黄色录像| 久久精品亚洲av国产电影网| 在线观看舔阴道视频| 午夜影院在线不卡| 国产黄频视频在线观看| 天堂8中文在线网| 国产精品久久久久久精品古装| 十八禁网站免费在线| 99热国产这里只有精品6| 真人做人爱边吃奶动态| 美女中出高潮动态图| 国产免费福利视频在线观看| 久久影院123| 天堂俺去俺来也www色官网| 99精品欧美一区二区三区四区| av福利片在线| 99久久综合免费| 日本五十路高清| 香蕉丝袜av| 日韩中文字幕视频在线看片| 久久久久国产精品人妻一区二区| 黄色视频不卡| 操出白浆在线播放| 女性被躁到高潮视频| 午夜福利乱码中文字幕| 嫁个100分男人电影在线观看| 久久青草综合色| 亚洲 国产 在线| 91av网站免费观看| 国产精品一区二区免费欧美 | 美女大奶头黄色视频| 久久久久精品国产欧美久久久 | 啪啪无遮挡十八禁网站| 亚洲av电影在线观看一区二区三区| 亚洲国产欧美日韩在线播放| 中文字幕另类日韩欧美亚洲嫩草| 国产片内射在线| 国产一级毛片在线| 高清黄色对白视频在线免费看| 久久久久精品国产欧美久久久 | 亚洲一区二区三区欧美精品| 91老司机精品| 国产日韩欧美在线精品| 免费看十八禁软件| 亚洲欧美一区二区三区久久| av视频免费观看在线观看| 69av精品久久久久久 | av免费在线观看网站| 蜜桃在线观看..| 麻豆国产av国片精品| 色播在线永久视频| 男人添女人高潮全过程视频| 欧美日韩成人在线一区二区| 精品高清国产在线一区| 国产真人三级小视频在线观看| 这个男人来自地球电影免费观看| 男男h啪啪无遮挡| 波多野结衣av一区二区av| 亚洲欧美一区二区三区黑人| www.精华液| 欧美日韩精品网址| 蜜桃国产av成人99| 久9热在线精品视频| 久久99热这里只频精品6学生| 少妇 在线观看| 十八禁高潮呻吟视频| 大香蕉久久网| 亚洲国产欧美一区二区综合| 中文精品一卡2卡3卡4更新| 女人爽到高潮嗷嗷叫在线视频| 欧美av亚洲av综合av国产av| 日本a在线网址| 国产精品欧美亚洲77777| 亚洲欧美激情在线| 国产欧美日韩精品亚洲av| 99热国产这里只有精品6| netflix在线观看网站| 国产日韩欧美亚洲二区| 日韩视频一区二区在线观看| 国产av又大| 一级毛片精品| 少妇的丰满在线观看| 亚洲精品av麻豆狂野| 黑人操中国人逼视频| 秋霞在线观看毛片| 亚洲成人国产一区在线观看| 18禁观看日本| 午夜视频精品福利| av在线老鸭窝| a级片在线免费高清观看视频| 久久久水蜜桃国产精品网| 亚洲一区二区三区欧美精品| 亚洲国产中文字幕在线视频| 精品国内亚洲2022精品成人 | 老熟妇仑乱视频hdxx| 人人妻人人爽人人添夜夜欢视频| 国产精品.久久久| 国产成人影院久久av| 最新在线观看一区二区三区| 色视频在线一区二区三区| 亚洲欧美激情在线| 美女中出高潮动态图| 精品免费久久久久久久清纯 | 久久亚洲国产成人精品v| 人成视频在线观看免费观看| 国产国语露脸激情在线看| 两个人看的免费小视频| 中文字幕精品免费在线观看视频| 亚洲专区中文字幕在线| 性高湖久久久久久久久免费观看| 精品国产一区二区久久| 丝袜美足系列| 国产精品99久久99久久久不卡| 多毛熟女@视频| 99九九在线精品视频| 午夜免费观看性视频| 精品人妻熟女毛片av久久网站| 少妇裸体淫交视频免费看高清 | 国产又爽黄色视频| 国产男女超爽视频在线观看| a级毛片在线看网站| 中文精品一卡2卡3卡4更新| 97人妻天天添夜夜摸| 国产日韩欧美亚洲二区| 肉色欧美久久久久久久蜜桃| 亚洲免费av在线视频| 国产av国产精品国产| 男人操女人黄网站| 国产一区二区在线观看av| 国产高清videossex| 亚洲精品成人av观看孕妇| 国产精品香港三级国产av潘金莲| 亚洲av电影在线进入| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品亚洲av一区麻豆| 久久国产亚洲av麻豆专区| 精品卡一卡二卡四卡免费| 一区二区三区激情视频| 国产精品香港三级国产av潘金莲| 日韩视频一区二区在线观看| 久9热在线精品视频| 制服人妻中文乱码| 男人爽女人下面视频在线观看| 亚洲精品一区蜜桃| 日韩,欧美,国产一区二区三区| a级毛片在线看网站| 亚洲av电影在线观看一区二区三区| 一级a爱视频在线免费观看| 日本精品一区二区三区蜜桃| 精品久久久久久电影网| 久久精品国产综合久久久| 免费黄频网站在线观看国产| 成在线人永久免费视频| 欧美日韩视频精品一区| 日日夜夜操网爽| 蜜桃国产av成人99| 女人久久www免费人成看片| 国产麻豆69| 超碰成人久久| 国产又爽黄色视频| 亚洲国产欧美一区二区综合| 91大片在线观看| 婷婷成人精品国产| 91精品三级在线观看| 99香蕉大伊视频| 欧美乱码精品一区二区三区| 久久精品熟女亚洲av麻豆精品| 亚洲五月婷婷丁香| 少妇猛男粗大的猛烈进出视频| 国产成人系列免费观看| 国产福利在线免费观看视频| 成人18禁高潮啪啪吃奶动态图| 国产av国产精品国产| 久久99热这里只频精品6学生| 91字幕亚洲| 免费高清在线观看日韩| 国产极品粉嫩免费观看在线| 黑人猛操日本美女一级片| 欧美激情久久久久久爽电影 | 夜夜夜夜夜久久久久| 国产在视频线精品| 亚洲欧美色中文字幕在线| 国产成人精品久久二区二区91| 精品一区在线观看国产| 性色av一级| 亚洲av日韩精品久久久久久密| 少妇人妻久久综合中文| 欧美国产精品va在线观看不卡| 日韩精品免费视频一区二区三区| 91国产中文字幕| 大片免费播放器 马上看| 天天躁狠狠躁夜夜躁狠狠躁| 伊人亚洲综合成人网| 高潮久久久久久久久久久不卡| 天天躁夜夜躁狠狠躁躁| 高清黄色对白视频在线免费看| 黄色毛片三级朝国网站| 搡老岳熟女国产| 亚洲人成电影观看| 精品卡一卡二卡四卡免费| 久久久久精品人妻al黑| 精品少妇久久久久久888优播| av欧美777| 18禁裸乳无遮挡动漫免费视频| 亚洲国产成人一精品久久久| tocl精华| 欧美亚洲日本最大视频资源| 青草久久国产| 国产精品免费视频内射| 日韩人妻精品一区2区三区| 欧美性长视频在线观看| 久久久久精品人妻al黑| 久久国产精品人妻蜜桃| 久久亚洲精品不卡| 国产成人欧美在线观看 | 99热网站在线观看| 亚洲精品国产一区二区精华液| 国产成人精品久久二区二区91| 人人妻人人添人人爽欧美一区卜| 亚洲精品中文字幕在线视频| 免费女性裸体啪啪无遮挡网站| 亚洲精品乱久久久久久| 亚洲欧美清纯卡通| 国产在线观看jvid| 中文字幕人妻丝袜制服| 首页视频小说图片口味搜索| 每晚都被弄得嗷嗷叫到高潮| 国产精品av久久久久免费| 一本色道久久久久久精品综合| 国产精品久久久久成人av| 亚洲精品久久成人aⅴ小说| 视频在线观看一区二区三区| 高潮久久久久久久久久久不卡| av线在线观看网站| 国产精品久久久久久人妻精品电影 | 热99国产精品久久久久久7| 欧美变态另类bdsm刘玥| 视频区图区小说| 欧美午夜高清在线| 欧美日韩福利视频一区二区| 国产成+人综合+亚洲专区| 亚洲国产精品999| 最新在线观看一区二区三区| 99热全是精品| 亚洲欧美精品自产自拍| 国产av国产精品国产| 久久精品aⅴ一区二区三区四区| 久久精品久久久久久噜噜老黄| 国精品久久久久久国模美| 国产精品一二三区在线看| 国产精品1区2区在线观看. | 一级黄色大片毛片| 侵犯人妻中文字幕一二三四区| 亚洲成人免费电影在线观看| 欧美激情 高清一区二区三区| 老鸭窝网址在线观看| 国产男女内射视频| 老司机靠b影院| 国产成人精品久久二区二区91| 一级毛片精品| 无遮挡黄片免费观看| 日韩大码丰满熟妇| 精品卡一卡二卡四卡免费| 亚洲视频免费观看视频| 在线av久久热| 亚洲精品中文字幕在线视频| 国产精品久久久久久人妻精品电影 | 91老司机精品| 女人高潮潮喷娇喘18禁视频| 这个男人来自地球电影免费观看| 国产片内射在线| 午夜两性在线视频| 亚洲av日韩精品久久久久久密| 亚洲欧洲精品一区二区精品久久久| 久久国产精品影院| 黑丝袜美女国产一区| 91大片在线观看| 男人舔女人的私密视频| 天天添夜夜摸| 国产精品一区二区免费欧美 | 免费观看人在逋| 亚洲精品国产色婷婷电影| 另类精品久久| 性色av乱码一区二区三区2| av国产精品久久久久影院| 精品国产一区二区三区四区第35| 久久香蕉激情| 亚洲精品成人av观看孕妇| 少妇裸体淫交视频免费看高清 | av网站在线播放免费| 黄色 视频免费看| 国产福利在线免费观看视频| 国精品久久久久久国模美| 精品人妻在线不人妻| 国产极品粉嫩免费观看在线| 亚洲精品第二区| 国产亚洲精品久久久久5区| 久久人人爽av亚洲精品天堂| 啦啦啦免费观看视频1| 女警被强在线播放| 一级黄色大片毛片| 狠狠狠狠99中文字幕| 亚洲成人手机| 18禁国产床啪视频网站| 久久午夜综合久久蜜桃| 成年人免费黄色播放视频| 99国产精品99久久久久| 精品乱码久久久久久99久播| 亚洲天堂av无毛| 国产亚洲精品久久久久5区| 亚洲av欧美aⅴ国产| 精品第一国产精品| 女人被躁到高潮嗷嗷叫费观| 久久久久久久久久久久大奶| 中文字幕精品免费在线观看视频| 人人妻人人爽人人添夜夜欢视频| 日本vs欧美在线观看视频| 色婷婷久久久亚洲欧美| 中文字幕人妻丝袜一区二区| 菩萨蛮人人尽说江南好唐韦庄| 欧美性长视频在线观看| 中文字幕人妻丝袜一区二区| 成人国语在线视频| 韩国高清视频一区二区三区| 国产精品自产拍在线观看55亚洲 | 欧美日韩亚洲高清精品| 性色av乱码一区二区三区2| 久久人人爽av亚洲精品天堂| 日韩视频在线欧美| 老司机午夜十八禁免费视频| 999久久久精品免费观看国产| 男女之事视频高清在线观看| 黄色毛片三级朝国网站| 亚洲第一青青草原| 日本猛色少妇xxxxx猛交久久| 十八禁高潮呻吟视频| 精品熟女少妇八av免费久了| 97人妻天天添夜夜摸| 中文字幕另类日韩欧美亚洲嫩草| 精品国产乱子伦一区二区三区 | 一级毛片精品| 黄色视频不卡| 脱女人内裤的视频| 人人妻人人爽人人添夜夜欢视频| 国产高清videossex| 日本精品一区二区三区蜜桃| 在线观看免费高清a一片| 天天添夜夜摸| 国产精品99久久99久久久不卡| 成人手机av| 中文字幕制服av| 日韩制服骚丝袜av| 少妇精品久久久久久久| 久久久国产一区二区| 午夜免费观看性视频| 91麻豆av在线| 啦啦啦免费观看视频1| 国产片内射在线| 1024香蕉在线观看| 亚洲精品国产一区二区精华液| 午夜影院在线不卡| 国产一区二区 视频在线| 性高湖久久久久久久久免费观看| 欧美国产精品va在线观看不卡| 视频在线观看一区二区三区| 狠狠精品人妻久久久久久综合| 在线av久久热| 国产一卡二卡三卡精品| 久久久久久人人人人人| av又黄又爽大尺度在线免费看| 他把我摸到了高潮在线观看 | 91字幕亚洲| 精品欧美一区二区三区在线| 人妻一区二区av| 国产av国产精品国产| 一二三四社区在线视频社区8| 欧美另类亚洲清纯唯美| 成人av一区二区三区在线看 | 黑丝袜美女国产一区| 国产日韩一区二区三区精品不卡| 天天躁狠狠躁夜夜躁狠狠躁| 一进一出抽搐动态| 日韩 亚洲 欧美在线| 亚洲性夜色夜夜综合| av天堂久久9| 久久精品熟女亚洲av麻豆精品| 国产97色在线日韩免费| 欧美+亚洲+日韩+国产| 国产欧美日韩一区二区精品| 热re99久久精品国产66热6| 国产成人影院久久av| 亚洲五月色婷婷综合| 国产男女超爽视频在线观看| 午夜福利视频精品| 国产成人精品在线电影| 夜夜骑夜夜射夜夜干| cao死你这个sao货| a 毛片基地| 一级片免费观看大全| 国产精品一区二区精品视频观看| 久久久久久久久久久久大奶| 久久久久国产精品人妻一区二区| 国产精品 国内视频| 午夜激情av网站| av超薄肉色丝袜交足视频| 久热爱精品视频在线9| 满18在线观看网站| 高清欧美精品videossex| 宅男免费午夜| 久久人人爽av亚洲精品天堂| 99国产精品免费福利视频| 久久青草综合色| av有码第一页| 精品卡一卡二卡四卡免费| 天天添夜夜摸| 又黄又粗又硬又大视频| 国产亚洲精品久久久久5区| 老司机亚洲免费影院| 免费观看人在逋| 国产精品熟女久久久久浪| 大香蕉久久网| netflix在线观看网站| 久久人妻福利社区极品人妻图片| 欧美国产精品va在线观看不卡| 美女大奶头黄色视频| 国产精品国产三级国产专区5o| 久久九九热精品免费| 亚洲国产欧美日韩在线播放| 人人妻人人澡人人看| av线在线观看网站| 日韩大片免费观看网站| 欧美97在线视频| 正在播放国产对白刺激| 国产在视频线精品| 久久中文字幕一级| 成年人午夜在线观看视频| 最近最新免费中文字幕在线| 精品欧美一区二区三区在线| 久久久欧美国产精品| 一区二区av电影网| av在线app专区| 2018国产大陆天天弄谢| 国产免费av片在线观看野外av| 人人妻人人添人人爽欧美一区卜| av有码第一页| 91精品国产国语对白视频| 欧美日本中文国产一区发布| 窝窝影院91人妻| 在线天堂中文资源库| 在线观看舔阴道视频| 亚洲七黄色美女视频| 老司机在亚洲福利影院| 母亲3免费完整高清在线观看| 国产在视频线精品| 高清黄色对白视频在线免费看| av免费在线观看网站| 大香蕉久久成人网| 午夜老司机福利片| 一边摸一边抽搐一进一出视频| 免费高清在线观看日韩| 色视频在线一区二区三区| 中文字幕人妻丝袜一区二区| 正在播放国产对白刺激| 亚洲精品久久成人aⅴ小说| 丰满人妻熟妇乱又伦精品不卡| 两个人免费观看高清视频| 人妻久久中文字幕网| 考比视频在线观看| 黄片播放在线免费| 精品乱码久久久久久99久播| 淫妇啪啪啪对白视频 | 国产一卡二卡三卡精品| 真人做人爱边吃奶动态| cao死你这个sao货| 国产精品一二三区在线看| 国产国语露脸激情在线看| 丰满饥渴人妻一区二区三| 午夜福利免费观看在线| 亚洲自偷自拍图片 自拍| 国产福利在线免费观看视频| 九色亚洲精品在线播放| 国产精品成人在线| 成年av动漫网址| 成年女人毛片免费观看观看9 | 色综合欧美亚洲国产小说| 一个人免费看片子| www.熟女人妻精品国产| 99re6热这里在线精品视频| 午夜免费鲁丝| 国产成人精品在线电影| 老司机影院成人| 嫁个100分男人电影在线观看| 久久久久久久大尺度免费视频| 桃花免费在线播放| 国产在线观看jvid| 欧美精品av麻豆av| 国产精品.久久久| 欧美 亚洲 国产 日韩一| 欧美日韩亚洲综合一区二区三区_| 777久久人妻少妇嫩草av网站| 欧美成狂野欧美在线观看| 日本五十路高清| 国产精品 欧美亚洲| 老汉色av国产亚洲站长工具| 午夜福利影视在线免费观看| 亚洲欧美一区二区三区黑人| 亚洲欧美激情在线| 人人妻人人澡人人看| 美女午夜性视频免费| 青青草视频在线视频观看| 国产一区二区三区在线臀色熟女 | 欧美老熟妇乱子伦牲交| 99国产精品99久久久久| 亚洲黑人精品在线| 91字幕亚洲| 丰满人妻熟妇乱又伦精品不卡| 久久久国产精品麻豆| 日韩 亚洲 欧美在线| 久久香蕉激情| videos熟女内射|