• <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 ?

    基于主成分分析和概率神經(jīng)網(wǎng)絡(luò)的入侵檢測方法

    2018-04-08 02:35:17,,,,
    關(guān)鍵詞:降維神經(jīng)元概率

    , , ,  ,  

    (1.石家莊鐵道大學(xué) 信息科學(xué)與技術(shù)學(xué)院,河北 石家莊 050043;2.河北省科學(xué)院 應(yīng)用數(shù)學(xué)研究所,河北 石家莊 050081)

    0 引言

    截至2016年6月,我國網(wǎng)民規(guī)模達(dá)7.10億,互聯(lián)網(wǎng)普及率達(dá)到51.7%[1]。網(wǎng)絡(luò)的快速發(fā)展給社會(huì)帶來巨大的進(jìn)步,但是其安全問題也造成了巨大的損失,如何保證網(wǎng)絡(luò)的安全一直是人們關(guān)注的焦點(diǎn)。網(wǎng)絡(luò)安全是由防護(hù)、檢測、反應(yīng)和恢復(fù)4 個(gè)層次構(gòu)成的一種綜合防御體系[2]。入侵檢測(Intrusion detection)作為防御體系的第二道防線,它是防火墻的合理補(bǔ)充,幫助系統(tǒng)應(yīng)對(duì)網(wǎng)絡(luò)攻擊,是網(wǎng)絡(luò)安全防護(hù)的重要技術(shù)之一?,F(xiàn)有的入侵檢測方法主要有以下幾種:貝葉斯網(wǎng)絡(luò)、馬爾科夫模型、人工免疫原理、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、極限學(xué)習(xí)機(jī)以及級(jí)聯(lián)入侵檢測等[3]。其中人工神經(jīng)網(wǎng)絡(luò)因其具有獨(dú)特的結(jié)構(gòu),非線性模擬能力、強(qiáng)大的學(xué)習(xí)能力和自適應(yīng)能力,在入侵檢測系統(tǒng)中得到廣泛應(yīng)用。

    雖然神經(jīng)網(wǎng)絡(luò)功能強(qiáng)大,在入侵檢測的應(yīng)用中仍然存在一些缺點(diǎn)。比如文獻(xiàn)[4]采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測,雖然利用可變學(xué)習(xí)速率算法、動(dòng)量和批處理技術(shù)來提高網(wǎng)絡(luò)的性能,但是數(shù)據(jù)的維數(shù)是復(fù)雜多變的,如果數(shù)據(jù)維數(shù)過高的話會(huì)導(dǎo)致整個(gè)網(wǎng)絡(luò)的計(jì)算復(fù)雜度大幅度增加。又比如文獻(xiàn)[5]利用遺傳算法來解決神經(jīng)網(wǎng)絡(luò)收斂速度慢和陷入局部最優(yōu)的問題,但是遺傳算法搜索問題的解空間的大小跟網(wǎng)絡(luò)參數(shù)的個(gè)數(shù)有關(guān),這無疑會(huì)增加網(wǎng)絡(luò)的訓(xùn)練時(shí)間,另外遺傳算法處理高緯度的數(shù)據(jù)具有局限性。深度學(xué)習(xí)的出現(xiàn)使得解決復(fù)雜攻擊數(shù)據(jù)有了新的解決思路,其通過組合低層數(shù)據(jù)特征形成更加抽象的高層特征來表示屬性或者類別[6],不同于淺層神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí)有多達(dá)5~6層,甚至10多層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。比如文獻(xiàn)[7]采用了深度學(xué)習(xí)中的自編碼網(wǎng)絡(luò)模型實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)特征的提取,通過softmax分類器對(duì)特征數(shù)據(jù)進(jìn)行分類。雖然保證了識(shí)別率,但是由于深度學(xué)習(xí)獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu),其訓(xùn)練速度比較慢。

    針對(duì)以上問題,提出一種基于主成分分析和概率神經(jīng)網(wǎng)絡(luò)入侵檢測方法。首先使用PCA對(duì)數(shù)據(jù)進(jìn)行特征降維,消除冗余信息;然后使用概率神經(jīng)網(wǎng)絡(luò)(PNN)建立入侵檢測模型;其次,使用粒子群算法(PSO)優(yōu)化概率神經(jīng)網(wǎng)絡(luò)的參數(shù);最后使用KDD99數(shù)據(jù)集對(duì)該模型進(jìn)行測試。

    1 主成分分析

    主成分分析(PCA)是統(tǒng)計(jì)學(xué)中對(duì)數(shù)據(jù)分析的有力工具,將高維數(shù)據(jù)集變換到低維空間,保留最多的原始數(shù)據(jù)信息[8]。PCA的基本原理如下:假設(shè)空間中存在p個(gè)具有相關(guān)性的變量,通過線性組合等方法消除其相關(guān)性,使其變成一組線性無關(guān)的變量,新變量要盡可能準(zhǔn)確地反映原始變量的信息而且新變量的個(gè)數(shù)要少于原始變量。在這里用方差來度量信息,通常線性組合的方法有很多種,為了準(zhǔn)確反映原始變量的信息,將方差最大的那組線性組合作為第一主成分,以此類推分別建立第二、三等主成分。需要注意的是,各個(gè)主成分之間是線性無關(guān)的。具體步驟如下:

    第一步:將樣本數(shù)據(jù)組成的矩陣進(jìn)行標(biāo)準(zhǔn)化,目的是消除量綱對(duì)數(shù)據(jù)的干擾

    (1)

    第二步:計(jì)算協(xié)方差矩陣CX

    (2)

    第三步:采用雅克比方法計(jì)算協(xié)方差矩陣的特征值(λ1,λ2,…,λp)與相應(yīng)的特征向量a1,a2,…,ap;

    第四步:選擇重要的主成分,并計(jì)算主成分的貢獻(xiàn)率η和累計(jì)貢獻(xiàn)率∑η

    (3)

    (4)

    第五步:根據(jù)累計(jì)貢獻(xiàn)率,一般累計(jì)貢獻(xiàn)率大于85%以上就可以滿足需求,這時(shí)取前k個(gè)特征值對(duì)應(yīng)的特征向量(a1,a2,…,ak)組成變換矩陣Q(p×k)。

    第六步:計(jì)算降維后的新樣本矩陣Y。

    (5)

    2 基于PCA的概率神經(jīng)網(wǎng)絡(luò)入侵檢測模型

    2.1 概率神經(jīng)網(wǎng)絡(luò)

    圖1 概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    概率神經(jīng)網(wǎng)絡(luò)是由徑向基神經(jīng)網(wǎng)絡(luò)發(fā)展而來的一種前饋型神經(jīng)網(wǎng)絡(luò),其理論依據(jù)是貝葉斯最小風(fēng)險(xiǎn)規(guī)則(貝葉斯決策理論)[9]。不同于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的Sigmoid函數(shù),它通常采用高斯函數(shù)作為網(wǎng)絡(luò)的激活函數(shù)。其層次模型,由輸入層、模式層、求和層、輸出層共4層組成。網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖1所示。

    輸入層將樣本數(shù)據(jù)輸入到網(wǎng)絡(luò)中,其神經(jīng)元的個(gè)數(shù)同樣本數(shù)據(jù)的維數(shù)相等。模式層神經(jīng)元個(gè)數(shù)等于樣本數(shù)據(jù)的總數(shù)目。假設(shè)樣本數(shù)據(jù)為X(x1,x2,…,xn),模式層的第i個(gè)神經(jīng)元與輸入層的權(quán)值矩陣為Wi則該神經(jīng)元的輸出si為

    (6)

    式中,δ是一個(gè)很重要的參數(shù),稱為擴(kuò)散常數(shù)或者散布常數(shù)。這個(gè)參數(shù)需要在實(shí)驗(yàn)中進(jìn)行調(diào)整,過大或者過小都會(huì)影響網(wǎng)絡(luò)的性能。

    求和層單元只和屬于某個(gè)類別的神經(jīng)元相連,并將其概率累加并傳到輸出層。輸出層的每個(gè)神經(jīng)元對(duì)應(yīng)一種類別,它根據(jù)求和層傳來的各個(gè)類別的概率密度函數(shù),將概率密度函數(shù)最大的那個(gè)神經(jīng)元輸出為1,其它神經(jīng)元輸出為0,輸出為1的神經(jīng)元對(duì)應(yīng)的類別即為網(wǎng)絡(luò)識(shí)別出的類。

    2.2 粒子群算法

    粒子群優(yōu)化算法(PSO)是一種進(jìn)化計(jì)算技術(shù)(Evolutionary Computation),1995 年由Eberhart 博士和Kennedy 博士提出[10]。該算法是一種群智能算法,它通過研究鳥群搜索食物過程中的行為,從中發(fā)現(xiàn)個(gè)體與群體之間存在的協(xié)作和信息共享的規(guī)律,并利用這種規(guī)律對(duì)問題的解空間進(jìn)行搜索,以求獲得最優(yōu)解。

    粒子群算法是一種并行算法,具有容易實(shí)現(xiàn)、精度高、收斂快等優(yōu)點(diǎn)。針對(duì)研究問題的解空間,粒子群算法首先在該空間內(nèi)初始化一些隨機(jī)解,這些解就是一些粒子,粒子的狀態(tài)包括粒子的速度和位置兩個(gè)方面。然后使用適應(yīng)度函數(shù)評(píng)價(jià)粒子所處位置是否最優(yōu),使用兩個(gè)全局變量pbest和gbest來記錄粒子個(gè)體和群體所尋找過的最優(yōu)位置。對(duì)于每個(gè)粒子,計(jì)算其適應(yīng)值,若優(yōu)于pbest就將其作為pbest,若優(yōu)于gbest就將其作為gbest, 接著更新粒子的速度和位置。粒子速度和位置的更新規(guī)則如下

    Vi=wVi+c1×c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi)

    (7)

    xi=xi+Vi

    (8)

    式中,Vi是粒子的速度;rand()是介于0和1之間的隨機(jī)數(shù);xi是粒子的當(dāng)前位置。c1和c2是學(xué)習(xí)因子 。

    如果粒子的速度或者位置超出搜索的范圍就將其設(shè)定為最大速度或者邊界位置。粒子更新完畢后如果沒有找到滿足要求的最優(yōu)解就繼續(xù)迭代搜索。搜索最優(yōu)解的停止條件一般選為最大迭代次數(shù)或者粒子群搜索到的最優(yōu)位置滿足預(yù)定最小適應(yīng)閾值。

    圖2 基于PCA的概率神經(jīng)網(wǎng)絡(luò)入侵檢測模型

    2.3 基于PCA的概率神經(jīng)網(wǎng)絡(luò)入侵檢測模型

    基于以上所做的工作,提出了一種基于PCA的概率神經(jīng)網(wǎng)絡(luò)入侵檢測模型(PCA-PNN)。如圖2所示。

    該模型首先利用PCA對(duì)訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)進(jìn)行降維,在降維的時(shí)候先對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行降維,然后用降維產(chǎn)生的降維矩陣乘以測試數(shù)據(jù)就可以對(duì)測試數(shù)據(jù)進(jìn)行降維,以保證新的訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)處在同一個(gè)基中;接著將數(shù)據(jù)輸入到PNN網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,采用粒子群算法對(duì)PNN網(wǎng)絡(luò)的散布常數(shù)Spread進(jìn)行優(yōu)化,最后測試PNN網(wǎng)絡(luò)的性能。

    3 實(shí)驗(yàn)及結(jié)果分析

    采用的實(shí)驗(yàn)工具是Matlab R2010a,為了衡量算法的優(yōu)劣,將未經(jīng)過粒子群算法優(yōu)化和特征降維的PNN網(wǎng)絡(luò)作為對(duì)比。為評(píng)價(jià)上文提出的入侵檢測模型,選用KDD99 數(shù)據(jù)集。該數(shù)據(jù)集是由麻省理工學(xué)院Lincoln 實(shí)驗(yàn)室仿真美國空軍局域網(wǎng)環(huán)境建立的網(wǎng)絡(luò)測試數(shù)據(jù)集,包含約500 萬條網(wǎng)絡(luò)連接記錄,除了正常的數(shù)據(jù)之外,還有Dos、R2L、U2R和Probe 4個(gè)大類的攻擊數(shù)據(jù)。在研究中通常使用該數(shù)據(jù)集中的10%訓(xùn)練數(shù)據(jù)集和10%測試數(shù)據(jù)集[11]。定義了幾個(gè)檢測指標(biāo),分別是:

    檢測時(shí)間,完成預(yù)測所需的時(shí)間;

    檢測精度,被正確分類的數(shù)據(jù)占總檢測數(shù)據(jù)的比例;

    檢測率,被正確分類的入侵?jǐn)?shù)據(jù)占總?cè)肭謹(jǐn)?shù)據(jù)的比例;

    誤報(bào)率,正常數(shù)據(jù)中被錯(cuò)誤分類的數(shù)據(jù)占總正常數(shù)據(jù)的比例。

    為了模擬真實(shí)的網(wǎng)絡(luò)環(huán)境,分別在訓(xùn)練集和數(shù)據(jù)集的正常數(shù)據(jù)和4大類的攻擊數(shù)據(jù)中隨機(jī)取了10 000條數(shù)據(jù),其中正常數(shù)據(jù)占了96%,具體數(shù)據(jù)的分布見表1所示。

    實(shí)驗(yàn)預(yù)處理:每個(gè)樣本有42個(gè)特征,其中有些是字符型的特征,因此必須要對(duì)樣本進(jìn)行預(yù)處理,將不同的字符型的數(shù)據(jù)替換為不同的數(shù)字。比如在網(wǎng)絡(luò)服務(wù)類型這項(xiàng)中令aol=1,auth=2,bgp=3,courier=4,以此類推。然后使用Matlab將樣本數(shù)據(jù)的排列順序打亂。接著將樣本中表示類別的特征提取出來,作為標(biāo)簽數(shù)據(jù),最后對(duì)樣本數(shù)據(jù)進(jìn)行L2范數(shù)歸一化。

    表1 實(shí)驗(yàn)數(shù)據(jù)

    數(shù)據(jù)降維:使用PCA算法對(duì)數(shù)據(jù)進(jìn)行降維。在PCA中,原始數(shù)據(jù)矩陣被轉(zhuǎn)換到新的矩陣中,這個(gè)新的矩陣的維度按照每個(gè)特征的貢獻(xiàn)率從左到右排列。新矩陣中每個(gè)維度的貢獻(xiàn)率見表2所示。

    一般來說達(dá)到85%以上就能夠很好地包含所有的信息,本文將累計(jì)貢獻(xiàn)率設(shè)為98%,取維度為6。在降維的時(shí)候,要將訓(xùn)練集和測試集降到基相同的向量空間內(nèi)。

    表2 PCA分析結(jié)果

    表3 實(shí)驗(yàn)參數(shù)

    然后對(duì)網(wǎng)絡(luò)模型進(jìn)行測試,并計(jì)算出上述的檢測指標(biāo)。對(duì)比實(shí)驗(yàn)的具體結(jié)果見表4所示。

    表4 實(shí)驗(yàn)結(jié)果

    在未優(yōu)化的網(wǎng)絡(luò)中,散布常數(shù)的上述取值是在眾多的逐個(gè)嘗試中取得的最好結(jié)果。從實(shí)驗(yàn)結(jié)果中可以看出,使用粒子群算法對(duì)PCA-PNN網(wǎng)絡(luò)進(jìn)行優(yōu)化,能夠找到散布常數(shù)的最優(yōu)值,從而提高網(wǎng)絡(luò)的性能,而且檢測時(shí)間明顯比未經(jīng)過降維的網(wǎng)絡(luò)短,因?yàn)榻档蛿?shù)據(jù)的維度之后網(wǎng)絡(luò)的運(yùn)算負(fù)擔(dān)就會(huì)減小很多,從而提高效率。從精確度、檢測率和誤報(bào)率這3個(gè)指標(biāo)來看,雖然PCA方法盡可能地保留了原始數(shù)據(jù)的完整性,仍然還是有一些信息的損失,因此其性能比優(yōu)化的傳統(tǒng)PNN網(wǎng)絡(luò)稍弱一些。

    由于入侵?jǐn)?shù)據(jù)在總的數(shù)據(jù)中只占了很小的比例,在未優(yōu)化的PNN中,趨向于將數(shù)據(jù)分類到正常數(shù)據(jù)中,因此其檢測入侵?jǐn)?shù)據(jù)的檢測率不高,但是誤報(bào)率低。優(yōu)化的PCA-PNN比起傳統(tǒng)的PNN網(wǎng)絡(luò)來說,無論是性能還是檢測時(shí)間都有明顯的優(yōu)勢(shì)。

    4 結(jié)論

    針對(duì)神經(jīng)網(wǎng)絡(luò)在入侵檢測的應(yīng)用中存在入侵?jǐn)?shù)據(jù)冗余信息多,數(shù)據(jù)量大,訓(xùn)練時(shí)間長,易陷入局部最優(yōu)等問題,提出了一種基于PCA的概率神經(jīng)網(wǎng)絡(luò)入侵檢測方法。該方法通過PCA消除了數(shù)據(jù)的冗余,降低了數(shù)據(jù)的維度,縮短了網(wǎng)絡(luò)訓(xùn)練的時(shí)間,使用粒子群算法提高了概率神經(jīng)網(wǎng)絡(luò)的性能。實(shí)驗(yàn)結(jié)果表明,將主成分分析的方法和粒子群優(yōu)化算法與概率神經(jīng)網(wǎng)絡(luò)結(jié)合是有效的,具有一定的推廣意義。但是本文是在公開數(shù)據(jù)集上所做的實(shí)驗(yàn),實(shí)際網(wǎng)絡(luò)環(huán)境中的數(shù)據(jù)比數(shù)據(jù)集更加真實(shí),也更加復(fù)雜。因此,下一步的工作是將該方法運(yùn)用到真實(shí)的網(wǎng)絡(luò)中,通過在網(wǎng)絡(luò)中得到的反饋來改進(jìn)該方法。

    [1]中國互聯(lián)網(wǎng)絡(luò)信息中心. 第38次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].[2016-8-3].http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201608/t20160803_54392.htm.

    [2]卿斯?jié)h, 蔣建春, 馬恒太, 等. 入侵檢測技術(shù)研究綜述[J]. 通信學(xué)報(bào),2004,7:19-29.

    [3]方向, 王麗娜, 賈穎. 智能化入侵檢測算法研究綜述[J]. 通信技術(shù),2015,12:1321-1328.

    [4]丁玲, 趙小剛. 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測[J]. 微計(jì)算機(jī)信息,2012,3:131-132,84.

    [5]沈夏炯, 王龍, 韓道軍. 人工蜂群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用[J]. 計(jì)算機(jī)工程,2016,2:190-194.

    [6]尹寶才, 王文通, 王立春. 深度學(xué)習(xí)研究綜述[J]. 北京工業(yè)大學(xué)學(xué)報(bào),2015,1:48-59.

    [7]李春林, 黃月江, 王宏, 等. 一種基于深度學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測方法[J]. 信息安全與通信保密,2014,10:68-71.

    [8]苑津莎, 尚海昆. 基于主成分分析和概率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識(shí)別[J]. 電力自動(dòng)化設(shè)備,2013,6:27-31.

    [9]蔣蕓,陳娜,明利特, 等. 基于Bagging的概率神經(jīng)網(wǎng)絡(luò)集成分類算法[J]. 計(jì)算機(jī)科學(xué),2013,5:242-246.

    [10] Kennedy J. Small worlds and mega-minds: effects of neighborhood topology on particle swarm performance[M]// Evolutionary Computation, 1999. CEC 99. Proceedings of the 1999 Congress on[C]. Washington USA: IEEE, 1999.1945-1950.

    [11]張新有, 曾華燊, 賈磊. 入侵檢測數(shù)據(jù)集KDD CUP99研究[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2010,22:4809-4812,4816.

    猜你喜歡
    降維神經(jīng)元概率
    混動(dòng)成為降維打擊的實(shí)力 東風(fēng)風(fēng)神皓極
    車主之友(2022年4期)2022-08-27 00:57:12
    第6講 “統(tǒng)計(jì)與概率”復(fù)習(xí)精講
    《從光子到神經(jīng)元》書評(píng)
    自然雜志(2021年6期)2021-12-23 08:24:46
    第6講 “統(tǒng)計(jì)與概率”復(fù)習(xí)精講
    概率與統(tǒng)計(jì)(一)
    概率與統(tǒng)計(jì)(二)
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    躍動(dòng)的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    基于二次型單神經(jīng)元PID的MPPT控制
    毫米波導(dǎo)引頭預(yù)定回路改進(jìn)單神經(jīng)元控制
    成人国产综合亚洲| 亚洲国产欧洲综合997久久,| 欧美日韩乱码在线| 首页视频小说图片口味搜索| 真人做人爱边吃奶动态| 不卡一级毛片| 亚洲国产欧洲综合997久久,| 久久午夜亚洲精品久久| 最近最新中文字幕大全电影3| 婷婷亚洲欧美| 国产三级在线视频| 亚洲av日韩精品久久久久久密| 亚洲av免费高清在线观看| 亚洲男人的天堂狠狠| 亚洲午夜理论影院| 国产午夜精品久久久久久一区二区三区 | 免费在线观看亚洲国产| 亚洲欧美精品综合久久99| www国产在线视频色| 99精品久久久久人妻精品| 麻豆国产av国片精品| 国产精品永久免费网站| 国产乱人伦免费视频| 午夜影院日韩av| 淫秽高清视频在线观看| 免费在线观看成人毛片| 丰满人妻熟妇乱又伦精品不卡| 国产精品国产高清国产av| 亚洲欧美日韩无卡精品| 51午夜福利影视在线观看| 亚洲熟妇中文字幕五十中出| 亚洲最大成人手机在线| 一级毛片女人18水好多| 精品人妻偷拍中文字幕| 午夜福利免费观看在线| 美女高潮的动态| 国产av麻豆久久久久久久| 人妻夜夜爽99麻豆av| 精品国产三级普通话版| 一个人观看的视频www高清免费观看| 亚洲精品456在线播放app | 精品久久久久久久久久久久久| 搞女人的毛片| 亚洲精品日韩av片在线观看 | 精品国内亚洲2022精品成人| 每晚都被弄得嗷嗷叫到高潮| 久久久久久大精品| 美女高潮的动态| 亚洲一区二区三区不卡视频| 欧美bdsm另类| 日韩高清综合在线| 一级毛片女人18水好多| av天堂在线播放| or卡值多少钱| 精品午夜福利视频在线观看一区| 免费无遮挡裸体视频| 中文字幕人成人乱码亚洲影| 啪啪无遮挡十八禁网站| 天堂影院成人在线观看| 国产免费一级a男人的天堂| 99精品欧美一区二区三区四区| 美女cb高潮喷水在线观看| 国产高清三级在线| 国产精品综合久久久久久久免费| 精品久久久久久久毛片微露脸| 黄色片一级片一级黄色片| 精品久久久久久久人妻蜜臀av| ponron亚洲| 久久久久久久午夜电影| 一进一出抽搐动态| 色综合婷婷激情| 欧美又色又爽又黄视频| 精品久久久久久久毛片微露脸| 日本撒尿小便嘘嘘汇集6| 中文资源天堂在线| 午夜影院日韩av| 国产黄色小视频在线观看| 老司机午夜福利在线观看视频| 亚洲va日本ⅴa欧美va伊人久久| 五月伊人婷婷丁香| 国产高清有码在线观看视频| 老司机福利观看| 亚洲av二区三区四区| 久久久成人免费电影| 男插女下体视频免费在线播放| 黑人欧美特级aaaaaa片| 亚洲中文字幕一区二区三区有码在线看| 国产成年人精品一区二区| 欧美色视频一区免费| av专区在线播放| 欧美+亚洲+日韩+国产| 国产一区二区三区在线臀色熟女| 国产日本99.免费观看| 在线国产一区二区在线| 最好的美女福利视频网| 天美传媒精品一区二区| 91麻豆av在线| 国产精品98久久久久久宅男小说| 91麻豆精品激情在线观看国产| 国产精华一区二区三区| 国产在线精品亚洲第一网站| 1000部很黄的大片| 久久久久久久午夜电影| 欧美黄色淫秽网站| 国产精品乱码一区二三区的特点| 国产一区二区在线观看日韩 | 少妇熟女aⅴ在线视频| 男人舔女人下体高潮全视频| 一区二区三区免费毛片| 黑人欧美特级aaaaaa片| 日韩免费av在线播放| 亚洲av电影在线进入| 成人鲁丝片一二三区免费| 又黄又爽又免费观看的视频| 久久婷婷人人爽人人干人人爱| 在线观看午夜福利视频| 99热这里只有是精品50| 国产高潮美女av| 嫩草影院精品99| 久久草成人影院| 精品福利观看| 美女黄网站色视频| 欧美日韩福利视频一区二区| 国产亚洲精品综合一区在线观看| 欧美av亚洲av综合av国产av| 国产精品 国内视频| 国产精品一区二区免费欧美| 91字幕亚洲| 日韩欧美免费精品| 成人亚洲精品av一区二区| 在线a可以看的网站| 日本精品一区二区三区蜜桃| 女警被强在线播放| 特级一级黄色大片| 久久这里只有精品中国| 午夜福利视频1000在线观看| 麻豆一二三区av精品| 日本与韩国留学比较| 99国产精品一区二区蜜桃av| 亚洲avbb在线观看| netflix在线观看网站| 一区二区三区激情视频| 亚洲专区中文字幕在线| 亚洲av免费在线观看| 国产欧美日韩精品一区二区| 亚洲欧美日韩东京热| 午夜a级毛片| 亚洲成av人片免费观看| 小蜜桃在线观看免费完整版高清| 亚洲成人中文字幕在线播放| 亚洲五月天丁香| 怎么达到女性高潮| 婷婷精品国产亚洲av在线| 日日干狠狠操夜夜爽| 日韩欧美国产在线观看| 国产爱豆传媒在线观看| 免费大片18禁| 亚洲第一电影网av| 国产一区二区三区视频了| 噜噜噜噜噜久久久久久91| 人妻久久中文字幕网| 亚洲美女黄片视频| 欧美激情在线99| 欧洲精品卡2卡3卡4卡5卡区| av天堂中文字幕网| 国产成人福利小说| 亚洲精品456在线播放app | 老司机深夜福利视频在线观看| 亚洲精品日韩av片在线观看 | 亚洲色图av天堂| 男女床上黄色一级片免费看| 一级黄片播放器| 色老头精品视频在线观看| 97超视频在线观看视频| 精品无人区乱码1区二区| 手机成人av网站| 中文字幕人妻丝袜一区二区| 欧美3d第一页| 国产精品久久久久久久电影 | 老司机在亚洲福利影院| 少妇的逼好多水| 欧美中文日本在线观看视频| 熟女电影av网| 综合色av麻豆| 欧美中文综合在线视频| 99久久久亚洲精品蜜臀av| 午夜亚洲福利在线播放| 国产又黄又爽又无遮挡在线| 好男人电影高清在线观看| 久久6这里有精品| 精品一区二区三区av网在线观看| 色在线成人网| 亚洲精品久久国产高清桃花| 免费人成在线观看视频色| 亚洲成人中文字幕在线播放| 欧美成狂野欧美在线观看| 国产亚洲精品av在线| 久久精品国产亚洲av香蕉五月| 国产成人aa在线观看| 亚洲av五月六月丁香网| 国产黄a三级三级三级人| 欧美一级毛片孕妇| 不卡一级毛片| 亚洲av第一区精品v没综合| 亚洲人成网站高清观看| 午夜影院日韩av| 国产精华一区二区三区| 成人永久免费在线观看视频| 丰满人妻一区二区三区视频av | 午夜福利高清视频| 99精品欧美一区二区三区四区| 亚洲一区高清亚洲精品| 亚洲国产高清在线一区二区三| av在线天堂中文字幕| 在线播放国产精品三级| av天堂在线播放| 99riav亚洲国产免费| 国产亚洲精品av在线| 免费电影在线观看免费观看| 51国产日韩欧美| h日本视频在线播放| 欧美日韩中文字幕国产精品一区二区三区| 亚洲国产中文字幕在线视频| 日韩精品青青久久久久久| 欧美成人a在线观看| 中文字幕高清在线视频| 国产精品久久久人人做人人爽| 午夜激情欧美在线| 亚洲专区国产一区二区| 舔av片在线| 国产又黄又爽又无遮挡在线| 日韩成人在线观看一区二区三区| 国产精品嫩草影院av在线观看 | 校园春色视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 男女视频在线观看网站免费| 亚洲成av人片在线播放无| 久久久久久久久大av| 少妇人妻精品综合一区二区 | 免费看十八禁软件| 日韩av在线大香蕉| aaaaa片日本免费| 亚洲天堂国产精品一区在线| 国产亚洲精品av在线| 老熟妇仑乱视频hdxx| 国产高清激情床上av| 1024手机看黄色片| 亚洲最大成人中文| 国产一区二区在线观看日韩 | 久久人妻av系列| 国产黄片美女视频| 日韩欧美三级三区| 操出白浆在线播放| 久久精品亚洲精品国产色婷小说| 18禁黄网站禁片免费观看直播| 91久久精品国产一区二区成人 | 国产极品精品免费视频能看的| 黄色视频,在线免费观看| 日本在线视频免费播放| 成人av一区二区三区在线看| 欧美性感艳星| 中出人妻视频一区二区| 亚洲国产精品合色在线| 午夜免费观看网址| 一级作爱视频免费观看| 脱女人内裤的视频| 成人三级黄色视频| 青草久久国产| 丁香六月欧美| 在线天堂最新版资源| 丰满人妻一区二区三区视频av | 日本熟妇午夜| 美女高潮喷水抽搐中文字幕| 美女 人体艺术 gogo| 搞女人的毛片| 女生性感内裤真人,穿戴方法视频| 久久性视频一级片| 精品久久久久久久久久免费视频| 少妇人妻一区二区三区视频| 久久性视频一级片| 国产激情欧美一区二区| 久久国产乱子伦精品免费另类| 亚洲五月婷婷丁香| 国产伦一二天堂av在线观看| 日韩 欧美 亚洲 中文字幕| 精品一区二区三区视频在线 | 制服丝袜大香蕉在线| 精品久久久久久久久久久久久| 又粗又爽又猛毛片免费看| 免费观看人在逋| 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 | 18禁黄网站禁片免费观看直播| 制服丝袜大香蕉在线| 欧美黄色淫秽网站| 全区人妻精品视频| 女生性感内裤真人,穿戴方法视频| 99久国产av精品| 欧美激情久久久久久爽电影| 亚洲av免费在线观看| 欧美3d第一页| 白带黄色成豆腐渣| 欧美黄色片欧美黄色片| 操出白浆在线播放| 日韩国内少妇激情av| 久久久久久久久大av| 好男人在线观看高清免费视频| 天堂av国产一区二区熟女人妻| 又粗又爽又猛毛片免费看| 偷拍熟女少妇极品色| 桃色一区二区三区在线观看| 国产精品98久久久久久宅男小说| 国产成年人精品一区二区| 欧美成狂野欧美在线观看| 免费一级毛片在线播放高清视频| 精品电影一区二区在线| 久久久精品欧美日韩精品| 欧美色欧美亚洲另类二区| 欧美绝顶高潮抽搐喷水| 国产主播在线观看一区二区| 精品免费久久久久久久清纯| 国产久久久一区二区三区| 免费av不卡在线播放| 免费高清视频大片| 性色avwww在线观看| 亚洲中文日韩欧美视频| 欧美日本亚洲视频在线播放| av视频在线观看入口| 校园春色视频在线观看| 波野结衣二区三区在线 | 亚洲av电影在线进入| 特大巨黑吊av在线直播| 国产99白浆流出| 国产成人影院久久av| 亚洲专区国产一区二区| 母亲3免费完整高清在线观看| 久久精品国产亚洲av涩爱 | 99久久精品国产亚洲精品| 亚洲专区中文字幕在线| av女优亚洲男人天堂| 亚洲电影在线观看av| 午夜老司机福利剧场| 亚洲av二区三区四区| 丝袜美腿在线中文| 成人国产综合亚洲| 久久久久久久精品吃奶| www日本在线高清视频| 香蕉丝袜av| 久久久久免费精品人妻一区二区| 最近视频中文字幕2019在线8| 丁香六月欧美| 国产成人福利小说| 日日夜夜操网爽| 亚洲熟妇熟女久久| 国产探花在线观看一区二区| 99精品欧美一区二区三区四区| 国产色爽女视频免费观看| 丰满的人妻完整版| 色尼玛亚洲综合影院| 日本 av在线| 日韩欧美在线二视频| 中文字幕人成人乱码亚洲影| 色av中文字幕| 成人三级黄色视频| 特大巨黑吊av在线直播| 国产真人三级小视频在线观看| 又爽又黄无遮挡网站| 日韩欧美精品v在线| 夜夜夜夜夜久久久久| 免费看a级黄色片| aaaaa片日本免费| 精品人妻1区二区| xxxwww97欧美| 91久久精品电影网| 一个人免费在线观看电影| 欧美性猛交╳xxx乱大交人| 天堂√8在线中文| 一二三四社区在线视频社区8| av片东京热男人的天堂| 欧美区成人在线视频| 亚洲av成人av| 国产伦人伦偷精品视频| 色av中文字幕| 精品一区二区三区人妻视频| 乱人视频在线观看| 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 | 中出人妻视频一区二区| 亚洲中文字幕一区二区三区有码在线看| 岛国视频午夜一区免费看| 成年免费大片在线观看| 国产精品98久久久久久宅男小说| 一个人免费在线观看的高清视频| 熟女少妇亚洲综合色aaa.| 精品人妻偷拍中文字幕| 日本 欧美在线| 欧美+日韩+精品| 老汉色av国产亚洲站长工具| 成人鲁丝片一二三区免费| 国产一区二区三区视频了| 国产精品日韩av在线免费观看| 亚洲不卡免费看| 久久精品人妻少妇| 叶爱在线成人免费视频播放| 黄色丝袜av网址大全| 国产精品久久久久久久电影 | 成人高潮视频无遮挡免费网站| 国产黄a三级三级三级人| 看免费av毛片| 久久久久久久午夜电影| 久久久久免费精品人妻一区二区| 搡老妇女老女人老熟妇| h日本视频在线播放| www.www免费av| 成年女人看的毛片在线观看| 欧美日韩一级在线毛片| av天堂在线播放| 久久草成人影院| 亚洲美女视频黄频| 久久国产精品人妻蜜桃| 19禁男女啪啪无遮挡网站| 日日摸夜夜添夜夜添小说| 露出奶头的视频| 国产伦在线观看视频一区| 51午夜福利影视在线观看| h日本视频在线播放| 久久久久九九精品影院| 一进一出抽搐gif免费好疼| 很黄的视频免费| 丁香欧美五月| 亚洲国产精品久久男人天堂| 亚洲av美国av| 国产激情偷乱视频一区二区| 中文字幕熟女人妻在线| 757午夜福利合集在线观看| 国产精品 国内视频| 精品国产亚洲在线| 黄色片一级片一级黄色片| 亚洲自拍偷在线| 精品日产1卡2卡| 香蕉av资源在线| 亚洲欧美日韩高清在线视频| 欧美一区二区国产精品久久精品| 国产免费男女视频| 国产精品 国内视频| 亚洲精品在线美女| 成人av一区二区三区在线看| 国产真实乱freesex| 女人高潮潮喷娇喘18禁视频| 亚洲欧美精品综合久久99| 久久99热这里只有精品18| 久久久精品大字幕| 极品教师在线免费播放| 黄色成人免费大全| 在线观看日韩欧美| 美女大奶头视频| 成人18禁在线播放| 九色成人免费人妻av| 久久久久免费精品人妻一区二区| 日本 欧美在线| 精品一区二区三区人妻视频| 夜夜夜夜夜久久久久| 国产主播在线观看一区二区| 脱女人内裤的视频| 观看美女的网站| 亚洲av二区三区四区| 好男人在线观看高清免费视频| 亚洲精品在线观看二区| 亚洲国产精品久久男人天堂| 床上黄色一级片| 国产午夜精品论理片| 国产精品 国内视频| 三级国产精品欧美在线观看| 桃色一区二区三区在线观看| www.色视频.com| 国产色婷婷99| 深爱激情五月婷婷| 黄色成人免费大全| 亚洲成人久久爱视频| 久久国产乱子伦精品免费另类| 特大巨黑吊av在线直播| 国产私拍福利视频在线观看| 日韩欧美在线乱码| 欧美成人a在线观看| 国产免费一级a男人的天堂| e午夜精品久久久久久久| 男女做爰动态图高潮gif福利片| 亚洲在线自拍视频| 偷拍熟女少妇极品色| 亚洲专区国产一区二区| 国产麻豆成人av免费视频| 中文字幕人成人乱码亚洲影| 欧美一级a爱片免费观看看| av在线天堂中文字幕| av福利片在线观看| 黄色片一级片一级黄色片| 日韩 欧美 亚洲 中文字幕| 亚洲在线自拍视频| 观看美女的网站| 亚洲成人免费电影在线观看| xxxwww97欧美| 久久久久久久久大av| 小蜜桃在线观看免费完整版高清| 免费搜索国产男女视频| 欧美一区二区精品小视频在线| 老司机午夜福利在线观看视频| 国产精品免费一区二区三区在线| 9191精品国产免费久久| 亚洲五月天丁香| 日本免费一区二区三区高清不卡| 99久久综合精品五月天人人| 长腿黑丝高跟| 久久精品国产亚洲av涩爱 | 怎么达到女性高潮| 51午夜福利影视在线观看| 亚洲电影在线观看av| 夜夜夜夜夜久久久久| 18禁国产床啪视频网站| 国产亚洲精品综合一区在线观看| 欧美xxxx黑人xx丫x性爽| 国内少妇人妻偷人精品xxx网站| 精品午夜福利视频在线观看一区| 长腿黑丝高跟| 色老头精品视频在线观看| 亚洲国产色片| 最新中文字幕久久久久| 国产欧美日韩精品一区二区| 亚洲黑人精品在线| 欧美+亚洲+日韩+国产| 日本三级黄在线观看| 亚洲av日韩精品久久久久久密| h日本视频在线播放| 51国产日韩欧美| 久久99热这里只有精品18| 国产成人a区在线观看| 亚洲国产欧洲综合997久久,| 美女被艹到高潮喷水动态| 久久久国产精品麻豆| 麻豆一二三区av精品| 欧美一区二区亚洲| www日本在线高清视频| 性色av乱码一区二区三区2| 亚洲欧美日韩东京热| 夜夜爽天天搞| 变态另类成人亚洲欧美熟女| 国产精品久久视频播放| 夜夜看夜夜爽夜夜摸| 欧美xxxx黑人xx丫x性爽| 日韩中文字幕欧美一区二区| 国产亚洲精品久久久com| 99久久久亚洲精品蜜臀av| 午夜激情欧美在线| 精品久久久久久,| 日韩欧美在线二视频| 亚洲,欧美精品.| 欧美最黄视频在线播放免费| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成av人片在线播放无| 天美传媒精品一区二区| 国产黄片美女视频| 免费观看的影片在线观看| 久久久久久九九精品二区国产| aaaaa片日本免费| 国产一区二区在线观看日韩 | 精品一区二区三区人妻视频| 女警被强在线播放| 欧美av亚洲av综合av国产av| 亚洲国产中文字幕在线视频| 久久久久久久午夜电影| 99视频精品全部免费 在线| 三级毛片av免费| 久久久久久久久大av| 国产精品亚洲美女久久久| 久久九九热精品免费| 中文字幕人成人乱码亚洲影| 麻豆一二三区av精品| 久久久久国内视频| 成人三级黄色视频| 国产精品野战在线观看| 成人无遮挡网站| 亚洲精品一区av在线观看| 淫妇啪啪啪对白视频| 欧美在线一区亚洲| 国产精品久久久久久亚洲av鲁大| 真实男女啪啪啪动态图| 两个人视频免费观看高清| 91字幕亚洲| 国产aⅴ精品一区二区三区波| 搡老妇女老女人老熟妇| 日韩人妻高清精品专区| 欧美大码av| 岛国在线免费视频观看| 国产三级中文精品| 欧美大码av| 国产高清有码在线观看视频| 亚洲 国产 在线| 国产综合懂色| 亚洲欧美日韩卡通动漫| 男人舔奶头视频| 国产精品一区二区免费欧美| 69av精品久久久久久| 精品人妻1区二区| 高潮久久久久久久久久久不卡| 欧美激情在线99| 99国产极品粉嫩在线观看| 久久久久久久亚洲中文字幕 | 亚洲avbb在线观看| 最近视频中文字幕2019在线8| 日本黄大片高清| 成人18禁在线播放| 国产黄色小视频在线观看| 中文字幕av成人在线电影| 真实男女啪啪啪动态图| 99国产精品一区二区蜜桃av| av天堂在线播放| 欧美最黄视频在线播放免费| 在线观看午夜福利视频|