• <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
    亚洲激情五月婷婷啪啪| 纵有疾风起免费观看全集完整版| 欧美成人午夜免费资源| 最后的刺客免费高清国语| 久久久成人免费电影| 日本免费在线观看一区| 成人一区二区视频在线观看| 亚洲av免费高清在线观看| 午夜激情久久久久久久| freevideosex欧美| 国产淫语在线视频| 99热这里只有是精品在线观看| 一级毛片久久久久久久久女| 26uuu在线亚洲综合色| 久久久久久久久久人人人人人人| av在线老鸭窝| 免费黄色在线免费观看| 国产高清有码在线观看视频| 亚洲美女视频黄频| 天堂中文最新版在线下载 | kizo精华| 美女高潮的动态| 国产高清有码在线观看视频| 亚洲国产精品专区欧美| 亚洲精品aⅴ在线观看| 尾随美女入室| 国产久久久一区二区三区| 精品一区二区三区视频在线| 国产精品精品国产色婷婷| 少妇被粗大猛烈的视频| 嫩草影院入口| 99久久中文字幕三级久久日本| 国产永久视频网站| 国产欧美亚洲国产| 亚洲人成网站高清观看| 黄色视频在线播放观看不卡| xxx大片免费视频| 亚洲最大成人中文| 高清欧美精品videossex| 男女边吃奶边做爰视频| 成人黄色视频免费在线看| 三级男女做爰猛烈吃奶摸视频| 久久这里有精品视频免费| 亚洲精品456在线播放app| 国模一区二区三区四区视频| 久久久精品94久久精品| 久久久成人免费电影| 蜜臀久久99精品久久宅男| 五月开心婷婷网| 精品视频人人做人人爽| 国产中年淑女户外野战色| 亚洲,一卡二卡三卡| www.色视频.com| 亚洲精品日韩在线中文字幕| 在线a可以看的网站| 日韩在线高清观看一区二区三区| 在线亚洲精品国产二区图片欧美 | av一本久久久久| 国产一区二区在线观看日韩| 三级国产精品欧美在线观看| 特级一级黄色大片| 夜夜爽夜夜爽视频| 在线亚洲精品国产二区图片欧美 | 亚洲色图综合在线观看| 2018国产大陆天天弄谢| 男女下面进入的视频免费午夜| 永久免费av网站大全| 日本熟妇午夜| 国产伦精品一区二区三区四那| 亚洲美女搞黄在线观看| 国产成人aa在线观看| 国产免费一区二区三区四区乱码| 一级毛片电影观看| 国产成人免费观看mmmm| 日本与韩国留学比较| 天堂中文最新版在线下载 | 欧美精品人与动牲交sv欧美| 一个人看的www免费观看视频| 免费av观看视频| 久久久a久久爽久久v久久| 免费看日本二区| 精品人妻熟女av久视频| 丰满少妇做爰视频| 在线观看美女被高潮喷水网站| 国产一区亚洲一区在线观看| 97人妻精品一区二区三区麻豆| 成人毛片a级毛片在线播放| 国产黄片美女视频| 亚洲,欧美,日韩| 男人添女人高潮全过程视频| 国产久久久一区二区三区| 色视频www国产| av女优亚洲男人天堂| 亚洲婷婷狠狠爱综合网| 18禁在线播放成人免费| 亚洲国产欧美人成| 美女国产视频在线观看| 亚洲成人中文字幕在线播放| 天天躁夜夜躁狠狠久久av| 日本免费在线观看一区| 亚洲经典国产精华液单| 免费看光身美女| 免费看不卡的av| 免费少妇av软件| 国产在线一区二区三区精| 特大巨黑吊av在线直播| 天堂俺去俺来也www色官网| 国产精品一区www在线观看| 18禁裸乳无遮挡免费网站照片| 免费观看无遮挡的男女| 美女xxoo啪啪120秒动态图| 国产一区二区亚洲精品在线观看| 黑人高潮一二区| 少妇的逼好多水| av一本久久久久| 少妇 在线观看| 一区二区三区免费毛片| 校园人妻丝袜中文字幕| av一本久久久久| 久久久国产一区二区| 亚洲综合色惰| 亚洲天堂av无毛| 亚洲激情五月婷婷啪啪| 三级国产精品欧美在线观看| 人体艺术视频欧美日本| 国产成人精品福利久久| 中文资源天堂在线| 国产探花在线观看一区二区| 极品少妇高潮喷水抽搐| 国产91av在线免费观看| 亚洲成人一二三区av| 99热6这里只有精品| 国产精品一区www在线观看| 亚洲四区av| 一级毛片我不卡| av卡一久久| 69人妻影院| 国产综合精华液| 综合色av麻豆| 在线观看三级黄色| 久久久久久久久大av| 五月伊人婷婷丁香| 亚洲熟女精品中文字幕| 国产精品成人在线| freevideosex欧美| 亚洲精品日韩在线中文字幕| 国内少妇人妻偷人精品xxx网站| 肉色欧美久久久久久久蜜桃 | videossex国产| 少妇人妻精品综合一区二区| av在线app专区| 日韩电影二区| 人妻一区二区av| 黄色欧美视频在线观看| 乱码一卡2卡4卡精品| 日本三级黄在线观看| 亚洲不卡免费看| 久久精品国产a三级三级三级| 亚洲精品456在线播放app| 在线免费观看不下载黄p国产| 2021少妇久久久久久久久久久| 91精品伊人久久大香线蕉| 色视频在线一区二区三区| 我要看日韩黄色一级片| 青青草视频在线视频观看| 成人特级av手机在线观看| 在线观看三级黄色| 日日撸夜夜添| 亚洲第一区二区三区不卡| 国产精品不卡视频一区二区| 国产淫语在线视频| 黄色欧美视频在线观看| 国产探花在线观看一区二区| 亚洲丝袜综合中文字幕| 午夜免费观看性视频| 日韩视频在线欧美| 国产大屁股一区二区在线视频| 老女人水多毛片| 高清在线视频一区二区三区| 国产日韩欧美亚洲二区| av在线老鸭窝| 国产色爽女视频免费观看| 99久久人妻综合| 国产爽快片一区二区三区| 蜜桃久久精品国产亚洲av| 亚洲av在线观看美女高潮| 国产色爽女视频免费观看| 久久久a久久爽久久v久久| 涩涩av久久男人的天堂| 在线亚洲精品国产二区图片欧美 | 久久久久网色| 免费观看的影片在线观看| 国产老妇伦熟女老妇高清| 国产黄色视频一区二区在线观看| 亚洲国产精品成人久久小说| 大香蕉97超碰在线| 18禁裸乳无遮挡免费网站照片| 日本av手机在线免费观看| av在线播放精品| 亚洲,一卡二卡三卡| 欧美日韩国产mv在线观看视频 | 国产综合精华液| 99九九线精品视频在线观看视频| 成人特级av手机在线观看| 日韩av免费高清视频| 国国产精品蜜臀av免费| 久久久精品欧美日韩精品| 91在线精品国自产拍蜜月| 国产精品伦人一区二区| 人妻少妇偷人精品九色| 好男人在线观看高清免费视频| 国产人妻一区二区三区在| 一级黄片播放器| 国产精品蜜桃在线观看| 丝瓜视频免费看黄片| 熟妇人妻不卡中文字幕| 精品99又大又爽又粗少妇毛片| videos熟女内射| 精品久久久噜噜| 日韩在线高清观看一区二区三区| 欧美激情久久久久久爽电影| 亚洲成色77777| 欧美日韩综合久久久久久| 全区人妻精品视频| 欧美精品一区二区大全| 免费看a级黄色片| 久久久久精品久久久久真实原创| 日日撸夜夜添| 国产精品人妻久久久影院| 777米奇影视久久| 狂野欧美激情性xxxx在线观看| 最近中文字幕高清免费大全6| 王馨瑶露胸无遮挡在线观看| 少妇裸体淫交视频免费看高清| 久久久国产一区二区| 日日啪夜夜撸| 亚洲精品,欧美精品| 看非洲黑人一级黄片| 亚洲自偷自拍三级| 舔av片在线| 超碰av人人做人人爽久久| 99九九线精品视频在线观看视频| 国产精品精品国产色婷婷| 欧美日韩视频高清一区二区三区二| 欧美成人a在线观看| av女优亚洲男人天堂| 亚洲精品第二区| 久久精品国产亚洲网站| 国产欧美日韩一区二区三区在线 | 精品午夜福利在线看| 国产成人精品婷婷| 在线观看美女被高潮喷水网站| 一个人观看的视频www高清免费观看| 天天躁日日操中文字幕| 精品久久久精品久久久| 狂野欧美白嫩少妇大欣赏| 国产亚洲一区二区精品| 尤物成人国产欧美一区二区三区| 国产淫语在线视频| 黄色配什么色好看| 国产黄色免费在线视频| 我的女老师完整版在线观看| 18禁在线播放成人免费| 亚洲四区av| 直男gayav资源| 美女被艹到高潮喷水动态| 国产成人午夜福利电影在线观看| 不卡视频在线观看欧美| 亚洲av日韩在线播放| av国产免费在线观看| 欧美精品国产亚洲| 深爱激情五月婷婷| 亚洲精品影视一区二区三区av| 国产在视频线精品| 色视频www国产| 精品久久久噜噜| 不卡视频在线观看欧美| 成人亚洲欧美一区二区av| 久久久亚洲精品成人影院| 亚洲伊人久久精品综合| 激情 狠狠 欧美| 2021少妇久久久久久久久久久| 免费在线观看成人毛片| 成年av动漫网址| 少妇的逼水好多| 一级毛片黄色毛片免费观看视频| 国产一区二区三区av在线| 最近最新中文字幕免费大全7| 有码 亚洲区| 一二三四中文在线观看免费高清| 国产精品久久久久久精品电影小说 | 特级一级黄色大片| 日产精品乱码卡一卡2卡三| 九色成人免费人妻av| 国产成人免费无遮挡视频| 国产精品一区www在线观看| 国产v大片淫在线免费观看| 国产色爽女视频免费观看| 精品酒店卫生间| 亚洲av中文av极速乱| 日本午夜av视频| 男女边吃奶边做爰视频| av在线播放精品| 国产精品久久久久久精品电影小说 | 99热国产这里只有精品6| av免费在线看不卡| 久久综合国产亚洲精品| 亚洲欧美中文字幕日韩二区| 亚洲av在线观看美女高潮| 日日摸夜夜添夜夜添av毛片| 夫妻性生交免费视频一级片| 国产精品人妻久久久久久| 人体艺术视频欧美日本| 亚洲欧美精品专区久久| 色哟哟·www| 好男人视频免费观看在线| 少妇人妻精品综合一区二区| tube8黄色片| 国产精品.久久久| 国产精品无大码| 久久人人爽人人爽人人片va| av国产精品久久久久影院| 久久久久国产精品人妻一区二区| 国产大屁股一区二区在线视频| 欧美激情久久久久久爽电影| 亚洲精品亚洲一区二区| 少妇人妻久久综合中文| 听说在线观看完整版免费高清| 亚洲最大成人手机在线| 久久久久久久久久久丰满| 亚洲最大成人中文| 22中文网久久字幕| 免费av毛片视频| 在线观看免费高清a一片| 男人狂女人下面高潮的视频| 亚洲人成网站在线观看播放| 交换朋友夫妻互换小说| 精品一区二区免费观看| 欧美一区二区亚洲| 国产精品99久久99久久久不卡 | 婷婷色麻豆天堂久久| 我的女老师完整版在线观看| 18禁在线播放成人免费| 国产片特级美女逼逼视频| 观看免费一级毛片| av福利片在线观看| 26uuu在线亚洲综合色| 国产精品爽爽va在线观看网站| 春色校园在线视频观看| 精品亚洲乱码少妇综合久久| 岛国毛片在线播放| 少妇人妻一区二区三区视频| 久久人人爽人人爽人人片va| 亚洲精品影视一区二区三区av| 午夜精品国产一区二区电影 | 国产高潮美女av| 最近最新中文字幕免费大全7| 啦啦啦中文免费视频观看日本| 精品人妻熟女av久视频| 精品视频人人做人人爽| 纵有疾风起免费观看全集完整版| 色吧在线观看| 丝袜美腿在线中文| 免费看日本二区| 亚洲精品一二三| 免费高清在线观看视频在线观看| 日韩av免费高清视频| 亚洲欧美清纯卡通| 国产色爽女视频免费观看| 色网站视频免费| 国产成人91sexporn| 日日摸夜夜添夜夜爱| 99热这里只有是精品在线观看| 内射极品少妇av片p| 国产精品无大码| 舔av片在线| 日韩 亚洲 欧美在线| 青春草视频在线免费观看| 日韩欧美 国产精品| 又粗又硬又长又爽又黄的视频| 热99国产精品久久久久久7| 精品亚洲乱码少妇综合久久| 一个人看视频在线观看www免费| 少妇人妻一区二区三区视频| 校园人妻丝袜中文字幕| 国产精品伦人一区二区| 国产又色又爽无遮挡免| 纵有疾风起免费观看全集完整版| 日韩av免费高清视频| 亚洲国产色片| 国产免费又黄又爽又色| 网址你懂的国产日韩在线| 欧美日韩精品成人综合77777| 色播亚洲综合网| 国产在线一区二区三区精| 免费av不卡在线播放| eeuss影院久久| 亚洲,一卡二卡三卡| 别揉我奶头 嗯啊视频| 国产精品一区二区在线观看99| 亚洲怡红院男人天堂| 69av精品久久久久久| 亚洲av在线观看美女高潮| 夫妻性生交免费视频一级片| 色吧在线观看| 男插女下体视频免费在线播放| 老女人水多毛片| 国内少妇人妻偷人精品xxx网站| 激情五月婷婷亚洲| 免费在线观看成人毛片| 久久这里有精品视频免费| 男女边摸边吃奶| 欧美一区二区亚洲| 女的被弄到高潮叫床怎么办| 亚洲国产日韩一区二区| 日本午夜av视频| 好男人视频免费观看在线| av在线老鸭窝| 边亲边吃奶的免费视频| 高清av免费在线| 美女高潮的动态| 白带黄色成豆腐渣| 七月丁香在线播放| 婷婷色综合www| 亚洲av中文字字幕乱码综合| 国产精品福利在线免费观看| 久久久久久久精品精品| 嘟嘟电影网在线观看| 欧美激情久久久久久爽电影| 亚洲国产av新网站| 一本一本综合久久| 美女被艹到高潮喷水动态| 久久99蜜桃精品久久| 国产免费视频播放在线视频| av在线老鸭窝| 男女边摸边吃奶| 我要看日韩黄色一级片| 三级国产精品片| 高清视频免费观看一区二区| 日本wwww免费看| 2021少妇久久久久久久久久久| 国产免费又黄又爽又色| av网站免费在线观看视频| 亚洲精品久久午夜乱码| 久久精品国产鲁丝片午夜精品| 欧美三级亚洲精品| 高清av免费在线| 国产精品久久久久久精品古装| 久久女婷五月综合色啪小说 | 男女边吃奶边做爰视频| 亚洲人与动物交配视频| 国产白丝娇喘喷水9色精品| 日韩三级伦理在线观看| 亚洲精品第二区| 女人久久www免费人成看片| 亚洲av.av天堂| 男人爽女人下面视频在线观看| 欧美人与善性xxx| 亚洲国产精品专区欧美| 好男人在线观看高清免费视频| 成人午夜精彩视频在线观看| 精品一区在线观看国产| 国产精品99久久99久久久不卡 | 一本色道久久久久久精品综合| 熟女人妻精品中文字幕| 国产伦理片在线播放av一区| 精品国产乱码久久久久久小说| 好男人在线观看高清免费视频| 国产伦理片在线播放av一区| 少妇丰满av| 亚洲精品国产av成人精品| 国产精品人妻久久久久久| 视频区图区小说| av女优亚洲男人天堂| 中文资源天堂在线| 丰满人妻一区二区三区视频av| 少妇熟女欧美另类| 五月开心婷婷网| 各种免费的搞黄视频| 国产一级毛片在线| 免费观看在线日韩| 久久综合国产亚洲精品| 日日啪夜夜爽| 亚洲精品,欧美精品| 在线观看免费高清a一片| 欧美一级a爱片免费观看看| 亚洲天堂av无毛| 一本一本综合久久| 一个人看视频在线观看www免费| 中国三级夫妇交换| 干丝袜人妻中文字幕| 三级男女做爰猛烈吃奶摸视频| 高清av免费在线| 直男gayav资源| 亚洲精品视频女| 丝袜美腿在线中文| 看黄色毛片网站| 亚洲欧美一区二区三区国产| 日韩欧美一区视频在线观看 | 一本久久精品| 亚洲性久久影院| 在线观看三级黄色| 蜜桃亚洲精品一区二区三区| 熟女电影av网| 免费观看性生交大片5| 成人美女网站在线观看视频| 久久99蜜桃精品久久| 一级毛片我不卡| 十八禁网站网址无遮挡 | 国产精品久久久久久久久免| 精品熟女少妇av免费看| 国产综合精华液| 久久这里有精品视频免费| 日韩制服骚丝袜av| 国产乱来视频区| 边亲边吃奶的免费视频| av国产精品久久久久影院| 男人添女人高潮全过程视频| 久久久成人免费电影| 久久久久性生活片| 插逼视频在线观看| 偷拍熟女少妇极品色| 久热这里只有精品99| 精品久久久久久电影网| 久久久久国产精品人妻一区二区| 熟女电影av网| 免费观看性生交大片5| 亚洲三级黄色毛片| 最新中文字幕久久久久| 女人被狂操c到高潮| 国产高潮美女av| 最后的刺客免费高清国语| 人妻制服诱惑在线中文字幕| 欧美另类一区| 在线观看一区二区三区激情| 免费观看a级毛片全部| 国产亚洲一区二区精品| 日本黄大片高清| 欧美激情在线99| 欧美人与善性xxx| 亚洲国产欧美人成| 又爽又黄a免费视频| 欧美日韩在线观看h| 秋霞在线观看毛片| 欧美日韩一区二区视频在线观看视频在线 | 男女下面进入的视频免费午夜| 在线免费观看不下载黄p国产| 在线a可以看的网站| 综合色丁香网| 日日摸夜夜添夜夜添av毛片| 国产亚洲91精品色在线| 国产久久久一区二区三区| 看非洲黑人一级黄片| 青春草国产在线视频| 亚洲欧美一区二区三区黑人 | 色吧在线观看| 免费看日本二区| 亚洲精品日韩在线中文字幕| 国产精品一区www在线观看| 久久久久久久久久人人人人人人| 在线观看美女被高潮喷水网站| 91精品一卡2卡3卡4卡| 少妇的逼好多水| 国产大屁股一区二区在线视频| 亚洲美女视频黄频| 嘟嘟电影网在线观看| 亚洲精品乱码久久久久久按摩| 毛片女人毛片| 日本免费在线观看一区| 最近中文字幕高清免费大全6| 亚洲av中文字字幕乱码综合| 久久久久精品久久久久真实原创| 高清欧美精品videossex| 成年版毛片免费区| 欧美少妇被猛烈插入视频| 国产精品伦人一区二区| 只有这里有精品99| 人妻系列 视频| 男女啪啪激烈高潮av片| av女优亚洲男人天堂| 高清午夜精品一区二区三区| 亚洲精品国产av成人精品| h日本视频在线播放| 嫩草影院新地址| 免费大片黄手机在线观看| 青春草亚洲视频在线观看| 99久久精品一区二区三区| 夫妻午夜视频| 精品视频人人做人人爽| 亚洲一级一片aⅴ在线观看| 观看免费一级毛片| 久久久久久伊人网av| 成人亚洲精品av一区二区| 26uuu在线亚洲综合色| 免费看日本二区| 免费看a级黄色片| 欧美3d第一页| 亚洲自拍偷在线| 亚洲精品第二区| 只有这里有精品99| 国产乱来视频区| 亚洲激情五月婷婷啪啪| 午夜激情福利司机影院| 91午夜精品亚洲一区二区三区| 好男人在线观看高清免费视频| 你懂的网址亚洲精品在线观看| 亚洲最大成人手机在线| 美女脱内裤让男人舔精品视频| 18禁在线无遮挡免费观看视频| 精品国产露脸久久av麻豆| 国产免费一区二区三区四区乱码| 亚洲经典国产精华液单| 亚洲综合精品二区| 插逼视频在线观看| 一本久久精品|