• <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
    欧美一区二区亚洲| 18+在线观看网站| 在线天堂最新版资源| 久久精品国产自在天天线| 久久久久久国产a免费观看| videossex国产| 女的被弄到高潮叫床怎么办| 久久精品久久久久久噜噜老黄 | 日日摸夜夜添夜夜爱| 国产真实乱freesex| 中文字幕人妻熟人妻熟丝袜美| 亚洲国产精品合色在线| 男人舔女人下体高潮全视频| 嫩草影院新地址| 51国产日韩欧美| 观看免费一级毛片| 三级经典国产精品| 九九久久精品国产亚洲av麻豆| 91在线精品国自产拍蜜月| 人妻系列 视频| 成人一区二区视频在线观看| 国产一级毛片七仙女欲春2| 99久久精品热视频| 性插视频无遮挡在线免费观看| 国产一级毛片在线| 欧美激情久久久久久爽电影| 黄片无遮挡物在线观看| 亚洲av第一区精品v没综合| 日韩一区二区三区影片| 内射极品少妇av片p| 国产精品久久久久久亚洲av鲁大| 青春草亚洲视频在线观看| 日韩 亚洲 欧美在线| 日韩视频在线欧美| 在线观看av片永久免费下载| 亚洲内射少妇av| 两个人视频免费观看高清| 亚洲国产精品成人久久小说 | a级毛片a级免费在线| av女优亚洲男人天堂| av黄色大香蕉| 亚洲无线观看免费| 日本五十路高清| 色综合站精品国产| 久久久久性生活片| 国产免费男女视频| 少妇丰满av| 69人妻影院| 女人被狂操c到高潮| 国产伦在线观看视频一区| 亚洲电影在线观看av| 日本熟妇午夜| 欧美xxxx黑人xx丫x性爽| 免费观看人在逋| 在线免费十八禁| 国产综合懂色| 成人永久免费在线观看视频| 久久久久久久久久久免费av| 国产一级毛片七仙女欲春2| 3wmmmm亚洲av在线观看| 国产精品人妻久久久影院| 深爱激情五月婷婷| 午夜老司机福利剧场| 美女 人体艺术 gogo| 可以在线观看毛片的网站| 国产一区二区三区在线臀色熟女| 亚洲精品国产av成人精品| 人妻系列 视频| 欧美成人免费av一区二区三区| 欧美另类亚洲清纯唯美| 高清毛片免费看| 国产色爽女视频免费观看| 少妇高潮的动态图| 最新中文字幕久久久久| 午夜免费激情av| 久久久a久久爽久久v久久| 高清午夜精品一区二区三区 | 久久草成人影院| 熟妇人妻久久中文字幕3abv| 国产精品av视频在线免费观看| 免费搜索国产男女视频| 色尼玛亚洲综合影院| 国产精品一区二区三区四区免费观看| 高清日韩中文字幕在线| 国产人妻一区二区三区在| 可以在线观看毛片的网站| 日韩av不卡免费在线播放| 久久精品综合一区二区三区| 亚洲精品456在线播放app| 黄色一级大片看看| 国内少妇人妻偷人精品xxx网站| 婷婷精品国产亚洲av| 日韩视频在线欧美| 久久鲁丝午夜福利片| 老熟妇乱子伦视频在线观看| 欧美日韩精品成人综合77777| 美女xxoo啪啪120秒动态图| 51国产日韩欧美| 成人午夜精彩视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 欧美日韩精品成人综合77777| 欧美一区二区亚洲| 国产视频内射| 午夜精品一区二区三区免费看| 欧美区成人在线视频| 婷婷色综合大香蕉| 久久久久久大精品| 插阴视频在线观看视频| 国产精品伦人一区二区| 亚洲人成网站在线观看播放| h日本视频在线播放| 国产成人精品久久久久久| 精品免费久久久久久久清纯| 久久午夜福利片| 成年免费大片在线观看| 国产在线精品亚洲第一网站| 亚洲欧美日韩东京热| 男女啪啪激烈高潮av片| 99热网站在线观看| 一个人免费在线观看电影| 国产精品美女特级片免费视频播放器| 亚洲精品乱码久久久v下载方式| 麻豆成人av视频| 成年女人看的毛片在线观看| 免费av毛片视频| 99久国产av精品国产电影| 99热精品在线国产| 色噜噜av男人的天堂激情| 国产精品久久视频播放| 久久久久久久亚洲中文字幕| 国产爱豆传媒在线观看| 岛国在线免费视频观看| 青春草视频在线免费观看| 日韩人妻高清精品专区| 99久久精品热视频| 九九热线精品视视频播放| 亚洲一区高清亚洲精品| av福利片在线观看| 我要看日韩黄色一级片| 国产v大片淫在线免费观看| 白带黄色成豆腐渣| 色哟哟·www| 国产亚洲欧美98| 亚洲av二区三区四区| 日韩欧美三级三区| 麻豆av噜噜一区二区三区| 亚洲最大成人中文| 色哟哟·www| 一级av片app| 亚洲经典国产精华液单| 丰满乱子伦码专区| 亚洲图色成人| 波多野结衣高清无吗| 日本av手机在线免费观看| 九九爱精品视频在线观看| 国产成人精品久久久久久| 噜噜噜噜噜久久久久久91| 一卡2卡三卡四卡精品乱码亚洲| 全区人妻精品视频| 在线观看美女被高潮喷水网站| 亚洲人成网站在线播| 国产极品精品免费视频能看的| 九色成人免费人妻av| 日本撒尿小便嘘嘘汇集6| 亚洲欧美日韩东京热| 日韩欧美三级三区| 色视频www国产| 亚洲色图av天堂| 我的女老师完整版在线观看| 麻豆av噜噜一区二区三区| 变态另类成人亚洲欧美熟女| 亚洲最大成人av| 中文字幕免费在线视频6| 亚洲电影在线观看av| 我要看日韩黄色一级片| 国产成人a区在线观看| 亚洲精品乱码久久久久久按摩| 搡老妇女老女人老熟妇| 青春草视频在线免费观看| 精品人妻视频免费看| 18禁在线无遮挡免费观看视频| 国内精品久久久久精免费| 日产精品乱码卡一卡2卡三| 日韩av在线大香蕉| 亚洲国产日韩欧美精品在线观看| 免费av毛片视频| 午夜激情福利司机影院| 久久精品91蜜桃| 噜噜噜噜噜久久久久久91| 亚洲国产精品久久男人天堂| 99国产极品粉嫩在线观看| 少妇猛男粗大的猛烈进出视频 | 国产精品一区二区三区四区免费观看| 国产精品麻豆人妻色哟哟久久 | 久久精品综合一区二区三区| 人妻少妇偷人精品九色| 精品久久久噜噜| 插逼视频在线观看| 亚洲自偷自拍三级| 99在线视频只有这里精品首页| 欧美最黄视频在线播放免费| 寂寞人妻少妇视频99o| 黑人高潮一二区| 一个人观看的视频www高清免费观看| 嘟嘟电影网在线观看| 中国美白少妇内射xxxbb| 此物有八面人人有两片| 乱人视频在线观看| 精品人妻熟女av久视频| 中文字幕人妻熟人妻熟丝袜美| 女同久久另类99精品国产91| 99久久中文字幕三级久久日本| 国产成人a∨麻豆精品| 亚洲久久久久久中文字幕| 国产精品一区二区三区四区免费观看| 一区福利在线观看| 欧美在线一区亚洲| 国产一级毛片在线| 国产精品乱码一区二三区的特点| 日韩精品青青久久久久久| 高清日韩中文字幕在线| 成人av在线播放网站| 成人美女网站在线观看视频| 国语自产精品视频在线第100页| 中文欧美无线码| 国产精品爽爽va在线观看网站| 最近2019中文字幕mv第一页| 99热精品在线国产| 欧美+亚洲+日韩+国产| 国产精品爽爽va在线观看网站| 非洲黑人性xxxx精品又粗又长| 看黄色毛片网站| 日本免费一区二区三区高清不卡| 我要搜黄色片| 蜜桃亚洲精品一区二区三区| 色5月婷婷丁香| 99国产极品粉嫩在线观看| 天天躁日日操中文字幕| 青春草国产在线视频 | 成人毛片a级毛片在线播放| 国产av麻豆久久久久久久| 男的添女的下面高潮视频| 欧美一区二区国产精品久久精品| 亚洲精品国产av成人精品| 精品国内亚洲2022精品成人| 1000部很黄的大片| 久久精品夜夜夜夜夜久久蜜豆| 毛片一级片免费看久久久久| 成年av动漫网址| 成年版毛片免费区| 菩萨蛮人人尽说江南好唐韦庄 | av又黄又爽大尺度在线免费看 | 国产精品国产三级国产av玫瑰| 一边摸一边抽搐一进一小说| 亚洲三级黄色毛片| 中文字幕av成人在线电影| 九九热线精品视视频播放| 欧美xxxx性猛交bbbb| 啦啦啦韩国在线观看视频| 久久欧美精品欧美久久欧美| 亚洲18禁久久av| 久久久久网色| 国产探花在线观看一区二区| 又粗又爽又猛毛片免费看| 99九九线精品视频在线观看视频| 男人的好看免费观看在线视频| 国产大屁股一区二区在线视频| 久久久久国产网址| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国国产精品蜜臀av免费| 一本久久中文字幕| 久久这里有精品视频免费| 日本与韩国留学比较| 亚洲精品国产成人久久av| 精品日产1卡2卡| 欧美日韩一区二区视频在线观看视频在线 | 三级男女做爰猛烈吃奶摸视频| 亚洲一级一片aⅴ在线观看| 人妻少妇偷人精品九色| 亚洲欧美成人精品一区二区| 日韩中字成人| 日本av手机在线免费观看| 欧美另类亚洲清纯唯美| 免费观看在线日韩| 亚洲内射少妇av| 夜夜夜夜夜久久久久| 一级黄色大片毛片| 久久久久久久久久黄片| 亚洲人与动物交配视频| 亚洲欧美日韩高清在线视频| 我的老师免费观看完整版| 欧美性猛交黑人性爽| 晚上一个人看的免费电影| 亚洲欧美精品自产自拍| 国产黄片视频在线免费观看| 又爽又黄无遮挡网站| 不卡视频在线观看欧美| 少妇被粗大猛烈的视频| 好男人视频免费观看在线| a级一级毛片免费在线观看| 久久99精品国语久久久| 卡戴珊不雅视频在线播放| a级一级毛片免费在线观看| 国产极品天堂在线| 亚洲av一区综合| 又黄又爽又刺激的免费视频.| 深夜a级毛片| 亚洲高清免费不卡视频| 又爽又黄无遮挡网站| 成年版毛片免费区| 长腿黑丝高跟| 日韩一区二区三区影片| 精品久久久噜噜| 欧美一级a爱片免费观看看| 国产探花极品一区二区| 国产精品久久久久久精品电影| 午夜激情欧美在线| 中国美白少妇内射xxxbb| 国内揄拍国产精品人妻在线| 国产亚洲精品久久久com| 日韩欧美国产在线观看| 人妻夜夜爽99麻豆av| 国产精品三级大全| 99热这里只有是精品在线观看| 91精品一卡2卡3卡4卡| 亚洲精品自拍成人| 天美传媒精品一区二区| 午夜激情福利司机影院| 国产精品一区二区三区四区免费观看| 又粗又硬又长又爽又黄的视频 | 天堂av国产一区二区熟女人妻| 波野结衣二区三区在线| 国产午夜精品久久久久久一区二区三区| 毛片一级片免费看久久久久| 国产午夜精品一二区理论片| 18禁黄网站禁片免费观看直播| 成人无遮挡网站| 国产欧美日韩精品一区二区| 国产极品天堂在线| 国产黄片视频在线免费观看| kizo精华| 丰满人妻一区二区三区视频av| 久久精品国产99精品国产亚洲性色| 人人妻人人澡人人爽人人夜夜 | 成人鲁丝片一二三区免费| 99视频精品全部免费 在线| 日韩强制内射视频| 99久国产av精品| 变态另类成人亚洲欧美熟女| 听说在线观看完整版免费高清| 国内久久婷婷六月综合欲色啪| 国内精品美女久久久久久| 成人特级av手机在线观看| 成人亚洲精品av一区二区| 国产一级毛片七仙女欲春2| 成年女人永久免费观看视频| 成熟少妇高潮喷水视频| 国产午夜福利久久久久久| 有码 亚洲区| 内地一区二区视频在线| 亚洲国产高清在线一区二区三| 国产国拍精品亚洲av在线观看| 亚洲一区高清亚洲精品| 我的老师免费观看完整版| 在线观看午夜福利视频| 亚洲精华国产精华液的使用体验 | 人妻久久中文字幕网| 亚洲激情五月婷婷啪啪| 男女视频在线观看网站免费| av在线老鸭窝| 精品国产三级普通话版| 日韩 亚洲 欧美在线| 一个人看的www免费观看视频| 国产一区二区在线av高清观看| 成人二区视频| 日本-黄色视频高清免费观看| 国产精品爽爽va在线观看网站| 精品99又大又爽又粗少妇毛片| 精品人妻偷拍中文字幕| 亚洲av熟女| 国产综合懂色| 2021天堂中文幕一二区在线观| 男女视频在线观看网站免费| 天堂网av新在线| 亚洲欧美日韩无卡精品| 日本一二三区视频观看| 国产毛片a区久久久久| 国产精品日韩av在线免费观看| 精品日产1卡2卡| 国产免费一级a男人的天堂| 日日干狠狠操夜夜爽| 99热精品在线国产| 在线观看一区二区三区| 久久久国产成人免费| www.av在线官网国产| 久久精品影院6| 亚洲av电影不卡..在线观看| 久久久久国产网址| 国产精品三级大全| 精品人妻一区二区三区麻豆| 日本与韩国留学比较| 亚洲欧美中文字幕日韩二区| 国产精品久久久久久久电影| 一区二区三区免费毛片| 久久鲁丝午夜福利片| 日本爱情动作片www.在线观看| 伦精品一区二区三区| 一级毛片电影观看 | a级毛色黄片| 日产精品乱码卡一卡2卡三| 三级毛片av免费| 悠悠久久av| 麻豆国产av国片精品| 亚洲一区二区三区色噜噜| 久久九九热精品免费| 又爽又黄a免费视频| 18+在线观看网站| 麻豆国产97在线/欧美| 国产高清三级在线| 国产精品久久久久久精品电影| 性欧美人与动物交配| 亚洲av中文av极速乱| 麻豆av噜噜一区二区三区| 18禁黄网站禁片免费观看直播| 九九爱精品视频在线观看| 欧美性猛交黑人性爽| 国产午夜精品一二区理论片| 搡老妇女老女人老熟妇| 在线a可以看的网站| 久久久色成人| 只有这里有精品99| 51国产日韩欧美| 亚洲欧美精品专区久久| 亚洲人成网站在线播| 久久精品国产清高在天天线| 日韩欧美国产在线观看| 国产成人福利小说| 伦精品一区二区三区| 卡戴珊不雅视频在线播放| 国产亚洲精品久久久久久毛片| 国产老妇伦熟女老妇高清| 国产老妇女一区| 一本久久中文字幕| 男的添女的下面高潮视频| 99热这里只有是精品在线观看| 婷婷色综合大香蕉| av在线老鸭窝| 亚洲最大成人av| 尾随美女入室| 亚洲高清免费不卡视频| 成人毛片60女人毛片免费| 非洲黑人性xxxx精品又粗又长| 久久国产乱子免费精品| 老师上课跳d突然被开到最大视频| 美女黄网站色视频| 天堂av国产一区二区熟女人妻| 青青草视频在线视频观看| 黄色一级大片看看| 久久午夜亚洲精品久久| 免费看a级黄色片| 99热这里只有精品一区| 亚洲av免费在线观看| 可以在线观看毛片的网站| 免费看美女性在线毛片视频| 国语自产精品视频在线第100页| 99久久精品国产国产毛片| 男女啪啪激烈高潮av片| 人妻久久中文字幕网| 美女黄网站色视频| 日韩在线高清观看一区二区三区| 少妇猛男粗大的猛烈进出视频 | 可以在线观看的亚洲视频| 人人妻人人澡欧美一区二区| 特大巨黑吊av在线直播| 国产精品,欧美在线| 欧美最黄视频在线播放免费| 天美传媒精品一区二区| 全区人妻精品视频| 欧美色欧美亚洲另类二区| 午夜a级毛片| 亚洲欧美日韩高清在线视频| 我要搜黄色片| 国产精品久久久久久久电影| 麻豆乱淫一区二区| 精品一区二区免费观看| 午夜视频国产福利| 日本免费a在线| .国产精品久久| 亚洲欧美日韩高清专用| 成人三级黄色视频| 亚洲av成人精品一区久久| 九九热线精品视视频播放| 岛国毛片在线播放| av女优亚洲男人天堂| 亚洲国产精品sss在线观看| 亚洲天堂国产精品一区在线| 久久久久久久午夜电影| 黄色配什么色好看| 99riav亚洲国产免费| 此物有八面人人有两片| 色尼玛亚洲综合影院| 亚洲欧洲日产国产| 免费无遮挡裸体视频| 国产精品久久久久久精品电影小说 | 少妇被粗大猛烈的视频| 日韩大尺度精品在线看网址| 一级毛片久久久久久久久女| 你懂的网址亚洲精品在线观看 | 日韩在线高清观看一区二区三区| 精品久久久久久久末码| 日本免费一区二区三区高清不卡| 校园春色视频在线观看| 亚洲精品粉嫩美女一区| 黄色配什么色好看| 成人性生交大片免费视频hd| 在线观看一区二区三区| 日韩一区二区视频免费看| 国产一区二区激情短视频| 久久亚洲国产成人精品v| videossex国产| 男人舔奶头视频| 国产91av在线免费观看| 男女边吃奶边做爰视频| 国产毛片a区久久久久| 久久久国产成人免费| 欧美日韩精品成人综合77777| 黄色欧美视频在线观看| а√天堂www在线а√下载| av.在线天堂| 麻豆精品久久久久久蜜桃| 久久婷婷人人爽人人干人人爱| 啦啦啦韩国在线观看视频| 狠狠狠狠99中文字幕| 我的老师免费观看完整版| 特大巨黑吊av在线直播| 精品久久久久久久久av| 免费无遮挡裸体视频| 国产麻豆成人av免费视频| 亚洲美女视频黄频| 麻豆一二三区av精品| 亚洲精品影视一区二区三区av| 久久久久久九九精品二区国产| 中文字幕免费在线视频6| 亚洲欧洲日产国产| 波野结衣二区三区在线| 久久久久性生活片| 免费不卡的大黄色大毛片视频在线观看 | 日本撒尿小便嘘嘘汇集6| 亚洲av.av天堂| 国产午夜精品论理片| 给我免费播放毛片高清在线观看| 亚洲精品日韩av片在线观看| 亚洲在线观看片| 国产高清有码在线观看视频| 1000部很黄的大片| 蜜桃久久精品国产亚洲av| 九九热线精品视视频播放| 精品不卡国产一区二区三区| 人妻系列 视频| 日韩欧美三级三区| 亚洲最大成人中文| 熟女人妻精品中文字幕| 久久久成人免费电影| 在线国产一区二区在线| 欧美xxxx黑人xx丫x性爽| 自拍偷自拍亚洲精品老妇| 久久久久久久亚洲中文字幕| 91在线精品国自产拍蜜月| 成人毛片a级毛片在线播放| 国产久久久一区二区三区| 久久久精品94久久精品| 夫妻性生交免费视频一级片| 色视频www国产| 欧美精品国产亚洲| h日本视频在线播放| 国产日本99.免费观看| 色吧在线观看| 欧美激情国产日韩精品一区| 久久午夜亚洲精品久久| 久久精品夜夜夜夜夜久久蜜豆| kizo精华| 日本欧美国产在线视频| eeuss影院久久| 看黄色毛片网站| 日本一二三区视频观看| 精品久久久久久久久亚洲| 成人欧美大片| 能在线免费看毛片的网站| 亚洲欧美日韩无卡精品| 日韩一区二区视频免费看| 欧美成人一区二区免费高清观看| 国产精品无大码| 美女被艹到高潮喷水动态| 成人无遮挡网站| 91av网一区二区| 可以在线观看毛片的网站| 国模一区二区三区四区视频| 少妇人妻一区二区三区视频| 国产激情偷乱视频一区二区| 插阴视频在线观看视频| 婷婷色综合大香蕉| 久久久久久久久中文| 久久九九热精品免费| 日韩精品有码人妻一区| 日韩欧美在线乱码| 春色校园在线视频观看| 男人舔女人下体高潮全视频| 国产亚洲精品av在线| 久久九九热精品免费| 精品国产三级普通话版| 国产伦一二天堂av在线观看| 久99久视频精品免费| 国产精品,欧美在线| 大香蕉久久网| 日本黄色片子视频|