• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)異常檢測(cè)方法研究

    2021-01-14 00:45:42英鋒
    現(xiàn)代信息科技 2021年12期
    關(guān)鍵詞:異常檢測(cè)網(wǎng)絡(luò)流量卷積神經(jīng)網(wǎng)絡(luò)

    摘 ?要:隨著高校信息化建設(shè)從數(shù)字校園到智慧校園的過(guò)渡,高校逐步實(shí)現(xiàn)數(shù)據(jù)服務(wù)和應(yīng)用的全覆蓋,同時(shí)網(wǎng)絡(luò)安全問(wèn)題日漸突出。文章分析了校園網(wǎng)普遍存在的安全威脅,根據(jù)網(wǎng)絡(luò)威脅在網(wǎng)絡(luò)流量中的異常表現(xiàn),對(duì)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)、訓(xùn)練過(guò)程進(jìn)行了研究,建立了基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量異常檢測(cè)模型,并對(duì)模型建立后的數(shù)據(jù)準(zhǔn)備、分類識(shí)別方法進(jìn)行了探討,實(shí)現(xiàn)了網(wǎng)絡(luò)流量的分類。

    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò);網(wǎng)絡(luò)流量;異常檢測(cè)

    中圖分類號(hào):TP309.2 ?文獻(xiàn)標(biāo)識(shí)碼:A ? ?文章編號(hào):2096-4706(2021)12-0094-04

    Abstract: With the transition of informatization construction from digital campus to wisdom campus, colleges gradually realize the full coverage of data services and applications. At the same time, the problem of network security is becoming more and more prominent. This paper analyzes the common security threats in campus network, studies the architecture and training process of convolutional neural network according to the abnormal performance of network threats in network traffic, establishes the network traffic anomaly detection model based on convolutional neural network, discusses the data preparation, classification identification methods after the model is established, and realizes the classification of network traffic.

    Keywords: convolutional neural network; network traffic; anomaly detection

    0 ?引 ?言

    “十四五”時(shí)期,高等院校信息化建設(shè)逐漸從數(shù)字化時(shí)代向智慧校園時(shí)代過(guò)渡,數(shù)據(jù)服務(wù)和數(shù)據(jù)應(yīng)用范圍擴(kuò)展到學(xué)校工作的各個(gè)方面,深入師生的工作、生活。校園網(wǎng)對(duì)人們的工作生活影響越深,網(wǎng)絡(luò)安全的重要性就越突出。

    2021年4月1日至4月30日30天周期內(nèi)學(xué)校網(wǎng)絡(luò)中心共報(bào)告網(wǎng)絡(luò)威脅事件2 935件,其中高危事件513件,約占所有威脅的四分之一。網(wǎng)絡(luò)威脅頻繁出現(xiàn)給網(wǎng)絡(luò)安全帶來(lái)嚴(yán)重影響,存在信息泄漏、丟失的危險(xiǎn),降低用戶體驗(yàn)。無(wú)論正常網(wǎng)絡(luò)行為還是網(wǎng)絡(luò)威脅行為都要在網(wǎng)絡(luò)中產(chǎn)生流量,如果流量使用的是被允許使用的端口并且不具備已知威脅相應(yīng)特征,網(wǎng)絡(luò)就認(rèn)為該流量沒(méi)有對(duì)網(wǎng)絡(luò)產(chǎn)生威脅。惡意程序就是利用這個(gè)特點(diǎn)在網(wǎng)絡(luò)中進(jìn)行非法信息的傳播。我們對(duì)網(wǎng)絡(luò)中存在的所有流量不再認(rèn)為都是合法的,而是進(jìn)行分析、查明,證明是合法還是非法。

    流量分類技術(shù)可以在復(fù)雜的網(wǎng)絡(luò)環(huán)境中對(duì)采集到的網(wǎng)絡(luò)流量進(jìn)行處理、分類識(shí)別,對(duì)惡意流量進(jìn)行攔截,幫助用戶提高網(wǎng)絡(luò)應(yīng)用質(zhì)量,保障網(wǎng)絡(luò)安全。

    目前常見(jiàn)流量分類方法有很多,不同分類方法有各自的優(yōu)點(diǎn)和缺點(diǎn)?;诙丝谔?hào)的分類方法識(shí)別是最容易實(shí)現(xiàn)的方法,但識(shí)別準(zhǔn)確率較低、范圍有限。準(zhǔn)確率高的是特征字段分析,但其對(duì)加密流量的識(shí)別則無(wú)能為力,且計(jì)算復(fù)雜,容易侵犯隱私?;趥鬏攲有袨榈姆诸惙椒梢詰?yīng)用于速度較高的網(wǎng)絡(luò)環(huán)境,但數(shù)據(jù)包加密和NAT等技術(shù)影響其分類性能[1]。因此利用機(jī)器學(xué)習(xí)的方法對(duì)網(wǎng)絡(luò)流量進(jìn)行異常檢測(cè)的應(yīng)用日漸廣泛,但是機(jī)器學(xué)習(xí)方法對(duì)網(wǎng)絡(luò)環(huán)境的適應(yīng)性較差[2]。

    深度學(xué)習(xí)在語(yǔ)音圖像識(shí)別領(lǐng)域中表現(xiàn)出優(yōu)秀的技能,利用深度學(xué)習(xí)技術(shù),可以解決機(jī)器學(xué)習(xí)中特征數(shù)據(jù)提取的難點(diǎn),在學(xué)習(xí)過(guò)程中特征數(shù)據(jù)由模型自動(dòng)生成。

    1 ?卷積神經(jīng)網(wǎng)絡(luò)

    1.1 ?卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)(CNN),是深度學(xué)習(xí)最重要、最有代表性的一種訓(xùn)練算法,比較適合應(yīng)用在圖像語(yǔ)音識(shí)別領(lǐng)域,GoogleNet、AlphaGo、ResNet等代表性的應(yīng)用突破都采用這種學(xué)習(xí)模型。卷積神經(jīng)網(wǎng)絡(luò)連接圖如圖1所示。

    分析圖1,輸入層的寬度和輸入圖像的寬度相對(duì)應(yīng),即每一行像素點(diǎn)個(gè)數(shù);而高度則應(yīng)于圖像的高度,即每一列的像素點(diǎn)個(gè)數(shù);深度為表示圖像的通道數(shù),彩色圖為3,灰度圖為1。卷積層1包含3套參數(shù),即有3個(gè)過(guò)濾器。每個(gè)過(guò)濾器對(duì)輸入圖像進(jìn)行卷積運(yùn)算得到一個(gè)特征圖,3個(gè)過(guò)濾器就可以得到3個(gè)特征圖,這樣卷積層1對(duì)圖像從左上角開始進(jìn)行卷積運(yùn)算,提取3組不同特征,得到3個(gè)特征圖。每個(gè)卷積層含有的過(guò)濾器的個(gè)數(shù)是一個(gè)超參數(shù),由用戶根據(jù)需要自由設(shè)定。

    繼續(xù)分析圖1,池化層1對(duì)卷積層的輸出進(jìn)行采樣,輸出3個(gè)特征圖,這3個(gè)特征圖比卷積層的輸出更小。同卷積層1的卷積運(yùn)算類似,卷積層2通過(guò)提取5組不同特征,得到5個(gè)特征圖。池化層2按池化層1的方法繼續(xù)采樣,輸出5個(gè)特征圖[3],這5個(gè)特征圖比前面輸出進(jìn)一步縮小。

    池化層2后面是兩個(gè)全連接層,因?yàn)橥ㄟ^(guò)兩次卷積和池化,特征圖同輸入圖像相比已經(jīng)非常小,可以采用全連接。全連接層1的每個(gè)神經(jīng)元同池化層2輸出特征每個(gè)神經(jīng)元相連,輸出層即全連接層2的每個(gè)神經(jīng)元?jiǎng)t與全連接層1的每個(gè)神經(jīng)元相連后得到輸出。

    1.2 ?卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程

    卷積神經(jīng)網(wǎng)絡(luò)模型建立后分兩個(gè)步驟進(jìn)行模型訓(xùn)練。第一步稱為前向傳播,輸入數(shù)據(jù)從網(wǎng)絡(luò)低層向高層傳播。某層節(jié)點(diǎn)的輸出是通過(guò)與前層連接權(quán)重加權(quán)計(jì)算后,同偏置值進(jìn)行運(yùn)算,最后通過(guò)激活函數(shù)運(yùn)算得到,每一層重復(fù)此運(yùn)算。如果第一步結(jié)果不符合模型預(yù)算結(jié)果,則進(jìn)行第二步反向傳播,將上述過(guò)程反向進(jìn)行,從高層向低層進(jìn)行訓(xùn)練,消除誤差。

    訓(xùn)練過(guò)程為:

    (1)網(wǎng)絡(luò)進(jìn)行權(quán)值初始化。

    (2)輸入數(shù)據(jù)從低層向高層進(jìn)行前向傳播得到結(jié)果。

    (3)將運(yùn)算結(jié)果與預(yù)期結(jié)果進(jìn)行比較計(jì)算誤差。

    (4)如果運(yùn)算結(jié)果與預(yù)期結(jié)果相差超出模型允許范圍時(shí),再把誤差向上一層傳遞,按順序求得全連接層、下采樣層、卷積層的誤差。當(dāng)運(yùn)算結(jié)果與預(yù)期結(jié)果相差在模型允許范圍時(shí),結(jié)束訓(xùn)練。

    (5)根據(jù)求得誤差進(jìn)行權(quán)值更新。然后再進(jìn)入到第二步。

    2 ?模型設(shè)計(jì)

    2.1 ?人類視覺(jué)原理的啟示

    通過(guò)對(duì)人類的視覺(jué)原理研究,得知:人類對(duì)光的感知過(guò)程首先從視網(wǎng)膜感知亮度、顏色開始,視網(wǎng)膜感知結(jié)果傳遞到大腦皮層,大腦皮層對(duì)感知結(jié)果進(jìn)行簡(jiǎn)單處理發(fā)現(xiàn)物體的邊緣和位置,抽象出物體的形狀,判斷該物體具體是什么物體。

    人類視覺(jué)也是通過(guò)這樣逐層分級(jí)、逐步抽象,分辨出人臉、汽車、動(dòng)物、家具的不同。各種圖形的底層特征基本相同,通過(guò)依次向上層層抽象,逐漸提取出不同物體的不同特征,人類根據(jù)不同的特征組合可以精確地分辨出不同的物體。

    2.2 ?異常檢測(cè)模型的建立

    受人類視覺(jué)原理的啟發(fā),我們可以通過(guò)構(gòu)造多層的神經(jīng)網(wǎng)絡(luò),模仿人類視覺(jué)實(shí)現(xiàn)原理,實(shí)現(xiàn)圖像的分類識(shí)別。神經(jīng)網(wǎng)絡(luò)的低層對(duì)圖像初級(jí)特征進(jìn)行識(shí)別,多個(gè)低層識(shí)別的底層特征組成下一層特征,這樣層層抽象、層層組合,最后實(shí)現(xiàn)分類[4]。

    根據(jù)人類視覺(jué)原理,采用經(jīng)典LeNet-5結(jié)構(gòu),采取多層組合構(gòu)造CNN學(xué)習(xí)模型,模型架構(gòu)示意圖如圖2所示。

    該模型構(gòu)造一個(gè)分辨率為28×28×1的單通道圖像,截取載荷的前784個(gè)字節(jié),不足784的補(bǔ)0。卷積核大小核寬×核高×通道數(shù),卷積層1的卷積核為5×5×1,每次卷積完后卷積核移動(dòng)一位。

    圖像輸入到計(jì)算機(jī)中時(shí),首先進(jìn)行歸化處理,將像素灰度值轉(zhuǎn)換為0或者1。計(jì)算機(jī)會(huì)將圖像看作一個(gè)數(shù)組,每個(gè)圖像都有三個(gè)參數(shù):列像素點(diǎn)個(gè)數(shù)、行像素點(diǎn)個(gè)數(shù)、圖像通道數(shù)。卷積核從輸入圖像的左上角開始遍歷做卷積運(yùn)算,每做一次運(yùn)算,都可以在原圖像上找到一個(gè)與卷積核同樣大小的區(qū)域。運(yùn)算時(shí),原圖像與卷積核相應(yīng)位置進(jìn)行乘法運(yùn)算,將這些結(jié)果相加,得到新圖形上對(duì)應(yīng)位置的數(shù)值,然后卷積核右移一位,繼續(xù)對(duì)應(yīng)位置相乘,最后的輸出結(jié)果。輸入一個(gè)28×28×1的圖像,使用5×5過(guò)濾器進(jìn)行卷積,最后生成的特征圖為28×28,因?yàn)橛?2個(gè)通道,所以最后得到32個(gè)同分辨率的特征圖。

    為降低訓(xùn)練參數(shù)的個(gè)數(shù),在后面的卷積層之間循環(huán)引進(jìn)池化層。一方面,池化縮小圖像空間。每個(gè)縱深維度的池化是獨(dú)自完成的,圖像縱深不變,使特征圖變小,簡(jiǎn)化網(wǎng)絡(luò)計(jì)算復(fù)雜度;另一方面,池化層進(jìn)行特征壓縮,提取主要特征。池化雖然能降低運(yùn)算量,但是由于壓縮特征,有可能會(huì)影響到網(wǎng)絡(luò)的準(zhǔn)確度,所以要設(shè)置合適的池化層。最常見(jiàn)形式是最大池化,最常見(jiàn)的池化大小是2×2(步長(zhǎng)2),保留其中的最大值,將其余三個(gè)數(shù)據(jù)去除。經(jīng)過(guò)第一個(gè)池化生成32個(gè)特征圖,分辨率為14×14。

    第二個(gè)卷積層和第一個(gè)類似,因?yàn)橛?4個(gè)通道,所以得到的特征圖是64個(gè)14×14,經(jīng)過(guò)第二次池化64個(gè)7×7特征圖。通過(guò)全連接層數(shù)據(jù)變成1 024和10。

    3 ?數(shù)據(jù)準(zhǔn)備

    3.1 ?數(shù)據(jù)流量與圖像

    網(wǎng)絡(luò)物理層中數(shù)據(jù)傳都是二進(jìn)制流的串行傳輸,二進(jìn)制流以字節(jié)為單位,每個(gè)字節(jié)8位,所以每個(gè)字節(jié)的取值有256種可能。灰度圖像的像素范圍也有256種可能,所以CNN模型的輸入數(shù)據(jù)是將采集提到的流量數(shù)據(jù)轉(zhuǎn)換成灰度圖像,流量分類就變成了灰度圖像識(shí)別[5]。

    3.2 ?數(shù)據(jù)準(zhǔn)備過(guò)程

    數(shù)據(jù)準(zhǔn)備的過(guò)程一般分以下幾個(gè)階段:采用流量抓取工具如sniffer、MRTG、PRTG、Etheral、NetDector等抓取原始流量[6],用pcap格式保存在計(jì)算機(jī)中。然后對(duì)原始文件進(jìn)行切分、清理,形成圖像文件,最后轉(zhuǎn)換成IDX格式,作為CNN的標(biāo)準(zhǔn)輸入,具體過(guò)程如圖3所示。

    原始流量在一個(gè)采集周期內(nèi)形成一個(gè)原始文件,為了進(jìn)行下一步的處理,需要將原始流量進(jìn)行分割。粒度是流量分割的最小單位[7]。分割的依據(jù)不同,分割得到的數(shù)據(jù)集形式也不相同,研究人員根據(jù)自己實(shí)際情況選擇分割方法。該模型是按流量對(duì)文件進(jìn)行切割,獲得獨(dú)立的五元組信息、建立時(shí)間、負(fù)荷、所用協(xié)議,最后形成數(shù)據(jù)集。

    數(shù)據(jù)傳輸需要依靠MAC來(lái)識(shí)別對(duì)方地址。發(fā)送數(shù)據(jù)的時(shí)候,數(shù)據(jù)發(fā)送端計(jì)算機(jī)首先拿接收端的計(jì)算機(jī)IP與自己主機(jī)子網(wǎng)掩碼相匹配,匹配后,發(fā)現(xiàn)跟自己是同一網(wǎng)段的,則使用MAC地址去尋找對(duì)方,如果不是同一網(wǎng)段的,則封裝上對(duì)方的IP地址為目標(biāo)地址,發(fā)現(xiàn)網(wǎng)關(guān),由網(wǎng)關(guān)發(fā)現(xiàn)其他網(wǎng)絡(luò)。這兩個(gè)信息會(huì)對(duì)分類特征提取產(chǎn)生不利因素,為消除影響需要進(jìn)行流量清理。

    圖3中步驟3的作用是對(duì)是前面文件清理結(jié)果長(zhǎng)度進(jìn)行統(tǒng)一,大于規(guī)定長(zhǎng)度的進(jìn)行截取,小于規(guī)定長(zhǎng)度的進(jìn)行補(bǔ)0。為方便用戶查看文件,也可以將文件變成對(duì)應(yīng)的灰度圖像,當(dāng)然也可以跳過(guò)這個(gè)步驟,直接執(zhí)行步驟4。

    4 ?分類識(shí)別

    4.1 ?分類識(shí)別過(guò)程

    進(jìn)行分類識(shí)別時(shí),首先采用流量抓取工具抓取pcap格式化的流量數(shù)據(jù),之后使用選用的分割方法對(duì)格式化文件切割,清理掉IP和MAC地址,統(tǒng)一長(zhǎng)度轉(zhuǎn)換成圖像數(shù)據(jù),作為卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)源,通過(guò)多次卷積、池化處理,學(xué)習(xí)的特征作為Softmax分類器的輸入,按照流類別劃分應(yīng)用類別。分類識(shí)別過(guò)程如圖4所示。

    4.2 ?模型驗(yàn)證

    模型驗(yàn)證采用深度學(xué)習(xí)框架TensorFlow,數(shù)據(jù)集采用KDD Cup 99數(shù)據(jù)集。TensorFlow最初用于機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)的研究,在數(shù)值計(jì)算領(lǐng)域也被普通使用,TensorFlow是一個(gè)開源軟件,因此使用TensorFlow?編程對(duì)研究結(jié)果進(jìn)行驗(yàn)證。KDD Cup 99數(shù)據(jù)集包含訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和測(cè)試數(shù)據(jù),是入侵檢測(cè)常用數(shù)據(jù)集,所有數(shù)據(jù)來(lái)自虛擬的美國(guó)空軍網(wǎng)絡(luò),增加了眾多的模擬攻擊數(shù)據(jù)。

    卷積層1的權(quán)重初始值和偏置量分別設(shè)置為0.1和32,卷積層2的權(quán)重初始值和偏置量分別設(shè)置為0.1和64,全連接層初始設(shè)有1 024個(gè)神經(jīng)元,該層的神經(jīng)元數(shù)需要根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)結(jié)果進(jìn)行反復(fù)調(diào)參確定。在運(yùn)行過(guò)程中通過(guò)對(duì)參數(shù)進(jìn)行調(diào)整得到了不同的準(zhǔn)確率,如圖5所示。

    4.3 ?結(jié)果分析

    經(jīng)過(guò)多次參數(shù)調(diào)整,準(zhǔn)確率均未超過(guò)0.7,低于相關(guān)研究的準(zhǔn)確率。經(jīng)過(guò)分析,對(duì)模型架構(gòu)進(jìn)行調(diào)整,在全連接層1前再增加一個(gè)卷積層和展平層,可以改變訓(xùn)練數(shù)據(jù)的不平衡問(wèn)題,提高訓(xùn)練的準(zhǔn)確率。

    5 ?結(jié) ?論

    綜上所述,神經(jīng)網(wǎng)絡(luò)是人工智能非常重要且比較成熟的領(lǐng)域,在網(wǎng)絡(luò)威脅事件頻發(fā)的情況下,提出基于卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類模型,根據(jù)網(wǎng)絡(luò)流量分類原理實(shí)現(xiàn)網(wǎng)絡(luò)流量的分類,經(jīng)模擬數(shù)據(jù)集驗(yàn)證可以實(shí)現(xiàn)預(yù)設(shè)功能,對(duì)模型需要進(jìn)一步改進(jìn)以提高檢測(cè)效率和準(zhǔn)確率。

    參考文獻(xiàn):

    [1] 楊丹丹.基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量分類研究 [D].杭州:浙江工商大學(xué),2018:10-14.

    [2] 趙英,刁鑫穎,陳駿君.基于網(wǎng)絡(luò)流量分類模型的集成策略研究 [C]//中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì).中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì)論文集.蘇州,2018:269-272.

    [3] 張閃青.基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法簡(jiǎn) [J].計(jì)算機(jī)產(chǎn)品與流通,2019(6):112.

    [4] 陳章斌.基于深度學(xué)習(xí)人臉識(shí)別技術(shù)在高校課堂點(diǎn)名中的設(shè)計(jì)及實(shí)現(xiàn) [J].蘭州文理學(xué)院學(xué)報(bào)(自然科學(xué)版),2018,32(6):68-71+77.

    [5] 劉金來(lái).深度學(xué)習(xí)模型在網(wǎng)絡(luò)流量分類中的應(yīng)用研究 [D].哈爾濱:哈爾濱理工大學(xué),2018:17-22.

    [6] 李振國(guó),鄭惠中.網(wǎng)絡(luò)流量采集方法研究綜述 [J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版),2014,32(1):70-75.

    [7] 王鵬,蘭巨龍,陳庶樵.粒度自適應(yīng)的多徑流量分割算法 [J].通信學(xué)報(bào),2015,36(1):215-221.

    作者簡(jiǎn)介:英鋒(1970—),男,漢族,江蘇連云港人,教授,本科,研究方向:計(jì)算機(jī)技術(shù)應(yīng)用。

    猜你喜歡
    異常檢測(cè)網(wǎng)絡(luò)流量卷積神經(jīng)網(wǎng)絡(luò)
    基于數(shù)據(jù)挖掘的船舶通信網(wǎng)絡(luò)流量異常識(shí)別方法
    船舶網(wǎng)絡(luò)流量預(yù)測(cè)的灰色模型
    AVB網(wǎng)絡(luò)流量整形幀模型端到端延遲計(jì)算
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    基于度分布的流量異常在線檢測(cè)方法研究
    無(wú)線Mesh網(wǎng)絡(luò)安全性研究
    無(wú)線Mesh網(wǎng)絡(luò)基礎(chǔ)知識(shí)
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    淺談燃?xì)廨啓C(jī)排氣溫度異常檢測(cè)及診斷
    久久久久国产精品人妻aⅴ院 | 成年版毛片免费区| 无遮挡黄片免费观看| 亚洲熟妇中文字幕五十中出 | 国产男女内射视频| 亚洲色图av天堂| 天天躁狠狠躁夜夜躁狠狠躁| 91av网站免费观看| 精品欧美一区二区三区在线| 热99国产精品久久久久久7| 亚洲少妇的诱惑av| 精品久久久久久久毛片微露脸| 久9热在线精品视频| 中文字幕最新亚洲高清| 激情视频va一区二区三区| 久久久精品免费免费高清| 黄频高清免费视频| 婷婷丁香在线五月| 99国产精品一区二区三区| 亚洲精品在线观看二区| 色94色欧美一区二区| 后天国语完整版免费观看| 中文字幕最新亚洲高清| 国产一区二区三区视频了| 日韩欧美一区二区三区在线观看 | xxxhd国产人妻xxx| 伊人久久大香线蕉亚洲五| 19禁男女啪啪无遮挡网站| 国产成人影院久久av| 一级片'在线观看视频| 成人永久免费在线观看视频| 国产一区有黄有色的免费视频| 91成年电影在线观看| 亚洲色图 男人天堂 中文字幕| 丰满人妻熟妇乱又伦精品不卡| 久久精品亚洲精品国产色婷小说| 久久久国产欧美日韩av| 中文字幕高清在线视频| 亚洲精品在线美女| a级片在线免费高清观看视频| 一级片免费观看大全| 91麻豆av在线| 九色亚洲精品在线播放| 亚洲av美国av| 中文字幕人妻熟女乱码| 精品国内亚洲2022精品成人 | 一级片免费观看大全| 国产激情久久老熟女| 色婷婷久久久亚洲欧美| 日本欧美视频一区| 欧美精品人与动牲交sv欧美| av天堂久久9| 侵犯人妻中文字幕一二三四区| 亚洲片人在线观看| 在线观看午夜福利视频| 人人澡人人妻人| 亚洲欧美激情在线| 久久久久精品人妻al黑| 亚洲成a人片在线一区二区| 色综合婷婷激情| 美女视频免费永久观看网站| 99久久人妻综合| 精品久久久久久,| 91精品三级在线观看| 啪啪无遮挡十八禁网站| 亚洲五月天丁香| 久久这里只有精品19| 99久久国产精品久久久| 欧美日韩福利视频一区二区| 国产欧美日韩综合在线一区二区| av片东京热男人的天堂| 亚洲精品国产一区二区精华液| 欧美大码av| 亚洲午夜理论影院| 国产精品一区二区精品视频观看| 飞空精品影院首页| 欧美精品高潮呻吟av久久| 他把我摸到了高潮在线观看| 黄色视频不卡| 人成视频在线观看免费观看| 欧美日韩一级在线毛片| 久久久久视频综合| 国产精品久久久久成人av| 男女午夜视频在线观看| 国产成人精品久久二区二区91| 中文字幕色久视频| 亚洲精品一卡2卡三卡4卡5卡| 国产av一区二区精品久久| 啪啪无遮挡十八禁网站| 精品一区二区三区av网在线观看| 国产高清视频在线播放一区| 叶爱在线成人免费视频播放| 亚洲国产中文字幕在线视频| 丝袜在线中文字幕| 国产精品自产拍在线观看55亚洲 | 丁香欧美五月| 日韩大码丰满熟妇| 少妇猛男粗大的猛烈进出视频| 亚洲 国产 在线| 女人久久www免费人成看片| 在线观看免费午夜福利视频| 一本大道久久a久久精品| 色在线成人网| 18禁美女被吸乳视频| 精品久久蜜臀av无| 亚洲三区欧美一区| 日韩欧美三级三区| 精品无人区乱码1区二区| 搡老熟女国产l中国老女人| 日韩成人在线观看一区二区三区| 最近最新免费中文字幕在线| 午夜免费鲁丝| 午夜福利视频在线观看免费| 亚洲精华国产精华精| av一本久久久久| 国产精品亚洲一级av第二区| videosex国产| 国产精品免费大片| 999久久久国产精品视频| 国产男女超爽视频在线观看| 亚洲第一欧美日韩一区二区三区| 亚洲专区国产一区二区| 国产三级黄色录像| 老司机福利观看| 国产精品1区2区在线观看. | 校园春色视频在线观看| 一级a爱视频在线免费观看| 91麻豆精品激情在线观看国产 | 国产高清videossex| 久久香蕉精品热| 99国产精品免费福利视频| 香蕉国产在线看| 日日摸夜夜添夜夜添小说| 国产精品影院久久| 欧美在线一区亚洲| 亚洲精品久久午夜乱码| 欧美精品高潮呻吟av久久| 一级,二级,三级黄色视频| 午夜免费鲁丝| 精品一区二区三卡| av福利片在线| 777久久人妻少妇嫩草av网站| 美女高潮喷水抽搐中文字幕| 最新在线观看一区二区三区| 热re99久久精品国产66热6| 大香蕉久久网| 亚洲国产中文字幕在线视频| 韩国精品一区二区三区| av超薄肉色丝袜交足视频| 两个人看的免费小视频| 男人舔女人的私密视频| 亚洲黑人精品在线| 免费一级毛片在线播放高清视频 | 伊人久久大香线蕉亚洲五| 男女之事视频高清在线观看| 看免费av毛片| avwww免费| 91国产中文字幕| 王馨瑶露胸无遮挡在线观看| 久热这里只有精品99| 国产精华一区二区三区| 欧美性长视频在线观看| 老汉色av国产亚洲站长工具| 亚洲成国产人片在线观看| 麻豆成人av在线观看| 天堂动漫精品| 国产成人啪精品午夜网站| 身体一侧抽搐| 久久久久久久精品吃奶| 色综合婷婷激情| 精品一品国产午夜福利视频| 免费av中文字幕在线| 岛国在线观看网站| 亚洲中文av在线| 久久精品国产99精品国产亚洲性色 | 日韩人妻精品一区2区三区| 91老司机精品| 涩涩av久久男人的天堂| 久久九九热精品免费| 在线国产一区二区在线| 美女高潮喷水抽搐中文字幕| 一级片'在线观看视频| 999精品在线视频| 黄色视频,在线免费观看| 美女扒开内裤让男人捅视频| 日韩制服丝袜自拍偷拍| 国产精品成人在线| 热99国产精品久久久久久7| 人妻一区二区av| 日本wwww免费看| 成人永久免费在线观看视频| 国产欧美亚洲国产| 国内久久婷婷六月综合欲色啪| 三上悠亚av全集在线观看| 天堂中文最新版在线下载| 久久久久久久久免费视频了| 国产真人三级小视频在线观看| 大香蕉久久成人网| 免费在线观看视频国产中文字幕亚洲| 日本黄色日本黄色录像| av一本久久久久| 乱人伦中国视频| 欧美精品人与动牲交sv欧美| av电影中文网址| 亚洲第一青青草原| 亚洲精品国产一区二区精华液| 成人av一区二区三区在线看| 亚洲一区二区三区欧美精品| 欧美乱色亚洲激情| 一二三四社区在线视频社区8| 国产区一区二久久| 免费在线观看影片大全网站| 在线观看午夜福利视频| 欧美日韩瑟瑟在线播放| 久久香蕉国产精品| 国产精品欧美亚洲77777| 纯流量卡能插随身wifi吗| 亚洲一码二码三码区别大吗| 亚洲中文日韩欧美视频| 国产高清激情床上av| 在线观看免费午夜福利视频| 在线观看66精品国产| 免费在线观看完整版高清| 1024视频免费在线观看| 大香蕉久久成人网| 国产国语露脸激情在线看| 真人做人爱边吃奶动态| 亚洲美女黄片视频| 国产精品 国内视频| 制服人妻中文乱码| 精品一区二区三区视频在线观看免费 | 午夜老司机福利片| 黄色毛片三级朝国网站| 女人被躁到高潮嗷嗷叫费观| 欧美日本中文国产一区发布| 一级作爱视频免费观看| 久久 成人 亚洲| 一进一出抽搐gif免费好疼 | 午夜亚洲福利在线播放| 婷婷丁香在线五月| 国产精品1区2区在线观看. | 国产精品偷伦视频观看了| 无限看片的www在线观看| 美女高潮喷水抽搐中文字幕| 国产精品永久免费网站| 91成人精品电影| 波多野结衣一区麻豆| 欧美日韩av久久| 日韩视频一区二区在线观看| 久久 成人 亚洲| 一进一出好大好爽视频| 成年女人毛片免费观看观看9 | 麻豆av在线久日| 精品卡一卡二卡四卡免费| 人妻一区二区av| 久久久国产一区二区| 大型黄色视频在线免费观看| 国产欧美日韩一区二区精品| 亚洲精品成人av观看孕妇| 久久中文字幕一级| 午夜免费鲁丝| 亚洲男人天堂网一区| 欧美日韩亚洲国产一区二区在线观看 | 老汉色av国产亚洲站长工具| 最新美女视频免费是黄的| 午夜福利视频在线观看免费| 欧美日韩福利视频一区二区| 国产精品98久久久久久宅男小说| 免费女性裸体啪啪无遮挡网站| 脱女人内裤的视频| 欧美激情 高清一区二区三区| 欧美成人免费av一区二区三区 | 大香蕉久久成人网| 亚洲精品成人av观看孕妇| 亚洲av第一区精品v没综合| 亚洲色图综合在线观看| 十八禁网站免费在线| svipshipincom国产片| av中文乱码字幕在线| 国产色视频综合| 岛国在线观看网站| 亚洲欧美一区二区三区黑人| 国产成+人综合+亚洲专区| 女人久久www免费人成看片| 两个人看的免费小视频| 18禁国产床啪视频网站| 欧美国产精品一级二级三级| 99re在线观看精品视频| 免费在线观看亚洲国产| ponron亚洲| 大香蕉久久成人网| 建设人人有责人人尽责人人享有的| 国产成人精品无人区| 色综合婷婷激情| 老汉色av国产亚洲站长工具| 亚洲欧美日韩高清在线视频| 亚洲第一青青草原| 欧美国产精品一级二级三级| 国产不卡一卡二| 人人妻人人澡人人看| 黄网站色视频无遮挡免费观看| 精品福利永久在线观看| 在线十欧美十亚洲十日本专区| 啦啦啦 在线观看视频| xxx96com| 深夜精品福利| 久久国产精品人妻蜜桃| 国产欧美日韩一区二区三| 亚洲第一欧美日韩一区二区三区| 亚洲国产毛片av蜜桃av| 亚洲免费av在线视频| 亚洲专区中文字幕在线| 视频区图区小说| 飞空精品影院首页| 在线观看日韩欧美| 久久久精品区二区三区| 国产色视频综合| 在线观看免费视频日本深夜| 国产精品久久视频播放| 亚洲五月色婷婷综合| 日本a在线网址| 在线国产一区二区在线| 一个人免费在线观看的高清视频| 99国产精品99久久久久| 19禁男女啪啪无遮挡网站| 淫妇啪啪啪对白视频| 80岁老熟妇乱子伦牲交| 免费久久久久久久精品成人欧美视频| 搡老熟女国产l中国老女人| 国产精品九九99| 人妻丰满熟妇av一区二区三区 | 中出人妻视频一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 成年女人毛片免费观看观看9 | 国产精品美女特级片免费视频播放器 | 久久影院123| 亚洲片人在线观看| 国产精品永久免费网站| 1024香蕉在线观看| 国产aⅴ精品一区二区三区波| 两个人免费观看高清视频| 成年女人毛片免费观看观看9 | 一进一出抽搐动态| 老熟女久久久| 国产亚洲欧美98| 欧美+亚洲+日韩+国产| av福利片在线| 99久久人妻综合| 国产成人一区二区三区免费视频网站| 99国产极品粉嫩在线观看| 99精品久久久久人妻精品| 久久久久久免费高清国产稀缺| 亚洲五月婷婷丁香| 热re99久久精品国产66热6| 欧美亚洲 丝袜 人妻 在线| 亚洲欧美精品综合一区二区三区| 18在线观看网站| 黑人巨大精品欧美一区二区mp4| 人成视频在线观看免费观看| 亚洲欧美精品综合一区二区三区| 18禁裸乳无遮挡免费网站照片 | 男女免费视频国产| 无限看片的www在线观看| 国产精品av久久久久免费| 男男h啪啪无遮挡| 欧美激情极品国产一区二区三区| 亚洲 欧美一区二区三区| 成年人免费黄色播放视频| 欧美最黄视频在线播放免费 | 香蕉丝袜av| 欧美日韩国产mv在线观看视频| 91成年电影在线观看| 午夜日韩欧美国产| 少妇裸体淫交视频免费看高清 | 建设人人有责人人尽责人人享有的| 国产成人影院久久av| 欧美成人午夜精品| 成人手机av| 欧美日韩黄片免| 成年人黄色毛片网站| 国产无遮挡羞羞视频在线观看| 欧美乱妇无乱码| 精品国产超薄肉色丝袜足j| 青草久久国产| 热re99久久精品国产66热6| 男女下面插进去视频免费观看| 久久 成人 亚洲| 欧美在线黄色| 1024视频免费在线观看| 一级毛片精品| 午夜影院日韩av| 国产av又大| 亚洲专区字幕在线| 久久久久精品人妻al黑| 亚洲avbb在线观看| 91字幕亚洲| 高清毛片免费观看视频网站 | av一本久久久久| 村上凉子中文字幕在线| 99香蕉大伊视频| 国产乱人伦免费视频| 丝袜美腿诱惑在线| 亚洲在线自拍视频| 91成人精品电影| 欧美日韩一级在线毛片| 亚洲欧美激情在线| 久久久久久久精品吃奶| 国产精品98久久久久久宅男小说| 电影成人av| 久久香蕉精品热| 欧美乱妇无乱码| 纯流量卡能插随身wifi吗| 日本wwww免费看| 亚洲美女黄片视频| 日韩欧美在线二视频 | 看黄色毛片网站| 露出奶头的视频| 搡老熟女国产l中国老女人| 天堂中文最新版在线下载| 手机成人av网站| 丝袜人妻中文字幕| 久久久久久人人人人人| 亚洲免费av在线视频| 国产xxxxx性猛交| 成人18禁在线播放| 久久久久精品人妻al黑| 亚洲欧美一区二区三区久久| 大型av网站在线播放| 亚洲专区国产一区二区| 国产熟女午夜一区二区三区| 新久久久久国产一级毛片| 自拍欧美九色日韩亚洲蝌蚪91| 成年动漫av网址| 久久久久精品国产欧美久久久| 欧美激情 高清一区二区三区| av国产精品久久久久影院| 午夜福利免费观看在线| 757午夜福利合集在线观看| 中亚洲国语对白在线视频| 激情视频va一区二区三区| av福利片在线| 国产一区有黄有色的免费视频| 日韩欧美在线二视频 | 欧美乱码精品一区二区三区| 男女免费视频国产| 成人特级黄色片久久久久久久| 亚洲色图 男人天堂 中文字幕| 嫩草影视91久久| 日韩一卡2卡3卡4卡2021年| 午夜福利视频在线观看免费| 亚洲国产中文字幕在线视频| 99国产精品免费福利视频| 中文字幕高清在线视频| 国产成人精品无人区| 久久香蕉精品热| 99热国产这里只有精品6| 午夜影院日韩av| 大码成人一级视频| 精品乱码久久久久久99久播| xxx96com| 成在线人永久免费视频| 九色亚洲精品在线播放| 99香蕉大伊视频| 村上凉子中文字幕在线| 国产高清videossex| 99在线人妻在线中文字幕 | 在线观看午夜福利视频| 精品电影一区二区在线| 久久久久视频综合| 在线免费观看的www视频| 美女福利国产在线| а√天堂www在线а√下载 | 亚洲免费av在线视频| 久久精品aⅴ一区二区三区四区| 91老司机精品| 精品国产乱码久久久久久男人| 亚洲欧美精品综合一区二区三区| 在线观看日韩欧美| 国产xxxxx性猛交| 久久热在线av| 国产男女超爽视频在线观看| 国产精品一区二区精品视频观看| 别揉我奶头~嗯~啊~动态视频| 色在线成人网| 91大片在线观看| 成人亚洲精品一区在线观看| 欧美日韩av久久| 免费观看a级毛片全部| 亚洲美女黄片视频| 国产aⅴ精品一区二区三区波| 久久久国产精品麻豆| 99国产精品一区二区三区| 超色免费av| 成人国产一区最新在线观看| 亚洲国产中文字幕在线视频| 99在线人妻在线中文字幕 | 大香蕉久久成人网| 极品少妇高潮喷水抽搐| 国产精品 欧美亚洲| 精品人妻熟女毛片av久久网站| netflix在线观看网站| 亚洲五月天丁香| 三上悠亚av全集在线观看| 91麻豆av在线| 国产一区二区三区综合在线观看| 久久精品亚洲精品国产色婷小说| 桃红色精品国产亚洲av| 午夜影院日韩av| 久久精品国产亚洲av香蕉五月 | 国产精品一区二区在线观看99| 下体分泌物呈黄色| 在线观看免费午夜福利视频| 精品国产一区二区三区四区第35| 亚洲精品久久午夜乱码| 亚洲国产精品一区二区三区在线| 老汉色∧v一级毛片| 国产成人欧美在线观看 | 亚洲av成人一区二区三| 午夜福利在线观看吧| www.自偷自拍.com| 高清在线国产一区| 国产男女超爽视频在线观看| 亚洲欧美日韩另类电影网站| 黄色片一级片一级黄色片| 一区福利在线观看| 在线观看免费高清a一片| 满18在线观看网站| 国产精品综合久久久久久久免费 | 亚洲av日韩在线播放| 亚洲精品在线美女| 亚洲第一欧美日韩一区二区三区| 亚洲精品美女久久久久99蜜臀| av电影中文网址| 久久精品亚洲av国产电影网| videos熟女内射| 精品第一国产精品| 国产精品av久久久久免费| 亚洲熟女毛片儿| 日本vs欧美在线观看视频| 国产91精品成人一区二区三区| 欧美乱码精品一区二区三区| 国产精品偷伦视频观看了| 波多野结衣av一区二区av| 国产成人av激情在线播放| 51午夜福利影视在线观看| 妹子高潮喷水视频| 色综合欧美亚洲国产小说| 欧美日本中文国产一区发布| 激情在线观看视频在线高清 | 免费少妇av软件| 看免费av毛片| 亚洲黑人精品在线| 国产深夜福利视频在线观看| 亚洲欧洲精品一区二区精品久久久| 国产精品自产拍在线观看55亚洲 | av片东京热男人的天堂| 亚洲av美国av| 757午夜福利合集在线观看| 精品熟女少妇八av免费久了| 国产又色又爽无遮挡免费看| 91精品国产国语对白视频| 久久天躁狠狠躁夜夜2o2o| av中文乱码字幕在线| 国产精品一区二区免费欧美| 91av网站免费观看| 悠悠久久av| 一级片'在线观看视频| 久久久久久久午夜电影 | 宅男免费午夜| 欧美人与性动交α欧美软件| 99香蕉大伊视频| 人妻 亚洲 视频| 中文字幕高清在线视频| 亚洲人成电影观看| 在线观看一区二区三区激情| 一级毛片精品| 久久久久国内视频| 国产成人系列免费观看| 免费观看精品视频网站| 亚洲aⅴ乱码一区二区在线播放 | 欧美日韩乱码在线| 国产一区二区三区视频了| 国产亚洲欧美精品永久| 露出奶头的视频| 动漫黄色视频在线观看| 一级片'在线观看视频| 国产精品一区二区在线观看99| 国产亚洲一区二区精品| 一级片'在线观看视频| 国产精品一区二区在线观看99| 丰满饥渴人妻一区二区三| 中文字幕色久视频| 女性生殖器流出的白浆| 亚洲熟女毛片儿| 人妻久久中文字幕网| av有码第一页| 亚洲中文字幕日韩| 成人三级做爰电影| 老司机影院毛片| 日本黄色视频三级网站网址 | 国产欧美日韩精品亚洲av| 97人妻天天添夜夜摸| 最新在线观看一区二区三区| 黄片小视频在线播放| 国产精品国产高清国产av | 丰满的人妻完整版| 超碰成人久久| 国产成人av教育| 亚洲男人天堂网一区| 欧美日韩精品网址| 欧美丝袜亚洲另类 | 亚洲七黄色美女视频| 亚洲精品成人av观看孕妇| 欧美日韩福利视频一区二区| 国产又色又爽无遮挡免费看|