• <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GRU-RNN的網(wǎng)絡(luò)入侵檢測(cè)方法

    2021-06-10 05:42:52李俊夏松竹蘭海燕李守政孫建國(guó)
    關(guān)鍵詞:檢出率神經(jīng)網(wǎng)絡(luò)流量

    李俊, 夏松竹, 蘭海燕, 李守政, 孫建國(guó)

    (1.國(guó)家工業(yè)信息安全發(fā)展研究中心,北京 100040; 2.哈爾濱工程大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,黑龍江 哈爾濱 150001)

    網(wǎng)絡(luò)安全包括承載載體的完整性、可用性及機(jī)密性。任何企圖破壞機(jī)密性或者繞過網(wǎng)絡(luò)安全機(jī)制的活動(dòng)都可以視為網(wǎng)絡(luò)入侵[1]。網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)是一種用于檢測(cè)網(wǎng)絡(luò)入侵的安全管理系統(tǒng),是網(wǎng)絡(luò)安全系統(tǒng)中不可或缺的一部分[2]。網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)通常會(huì)抓取檢測(cè)特定網(wǎng)絡(luò)中全部的出流量及入流量,以確定其中一些數(shù)據(jù)包是否含有入侵跡象[3]。

    近年來,機(jī)器學(xué)習(xí)的許多研究應(yīng)用在入侵檢測(cè)領(lǐng)域。例如,支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法在入侵檢測(cè)領(lǐng)域取得了不錯(cuò)的成績(jī)。但是由于入侵呈現(xiàn)多樣化,現(xiàn)有的機(jī)器學(xué)習(xí)方法暴露出很多局限性。尤其在自動(dòng)提取入侵特征和分析中,需要更好的學(xué)習(xí)方法。

    Hinton等[4]研究發(fā)現(xiàn),深度學(xué)習(xí)被廣泛應(yīng)用在自然語言處理、圖像識(shí)別和天氣預(yù)報(bào)領(lǐng)域。深度學(xué)習(xí)中應(yīng)用高度非線性結(jié)構(gòu),在處理復(fù)雜數(shù)據(jù)時(shí)表現(xiàn)出出色的識(shí)別能力。并行計(jì)算硬件設(shè)施的高速發(fā)展也為深度學(xué)習(xí)算法提供了強(qiáng)有力的硬件支撐。通過設(shè)計(jì)合理的網(wǎng)絡(luò)結(jié)構(gòu),深度神經(jīng)網(wǎng)絡(luò)可有效控制神經(jīng)網(wǎng)絡(luò)的參數(shù)量,確保網(wǎng)絡(luò)性能的同時(shí),降低神經(jīng)網(wǎng)絡(luò)的運(yùn)行成本[5]。

    由于訓(xùn)練和計(jì)算復(fù)雜性,遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)在過去的一段時(shí)間未能成為主流深度學(xué)習(xí)的網(wǎng)絡(luò)模型。近些年,RNN開始進(jìn)入快速發(fā)展時(shí)期,在手寫識(shí)別[6]和語音識(shí)別[7-8]領(lǐng)域有了廣泛的應(yīng)用。RNN的特點(diǎn)是同一層中的節(jié)點(diǎn)是連通的。因此,隱藏層的輸入不僅包括上層的輸出,還包含最后一個(gè)時(shí)間點(diǎn)的同一層的輸出[9]。許多入侵行為可以抽象為來自底層網(wǎng)絡(luò)的特定時(shí)間序列的時(shí)間。因此,RNN被認(rèn)為適合用來構(gòu)建入侵檢測(cè)系統(tǒng)。

    本文將門控循環(huán)單元(gated recurrent unit,GRU)結(jié)構(gòu)放在RNN神經(jīng)網(wǎng)絡(luò)中進(jìn)行入侵檢測(cè),模型可以識(shí)別具有時(shí)序特性的入侵流量。分析并設(shè)計(jì)模型的層次結(jié)構(gòu),分析最優(yōu)的損失函數(shù)、分類函數(shù),提出了一種最適用于本文的優(yōu)化函數(shù),加快模型收斂速度。

    1 數(shù)據(jù)預(yù)處理

    1.1 數(shù)值化

    使用歸一化、數(shù)值化方法處理元數(shù)據(jù)。KDD數(shù)據(jù)集中的數(shù)據(jù)是多組一維向量組成:

    [0,tcp,http,SF,219,1098,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,1,1,0.00,0.00,0.00,0.00,1.00,0.00,0.00,7,255,1.00,0.00,0.14,0.05,0.00,0.01,0.00,0.00,normal]

    每列所代表內(nèi)容為:

    [“duration”,“protocol_type”,“service”,“flag”,“src_bytes”,“dst_bytes”,“l(fā)and”,“wrong_fragment”,“urgent”,“hot”,“num_failed_logins”,“l(fā)ogged_in”,“num_compromised”,“root_shell”,“su_attempted”,“num_root”,“num_file_creations”,“num_shells”,“num_access_files”,“num_outbound_cmds”,“is_host_login”,“is_guest_login”,“count”,“srv_count”,“serror_rate”,“srv_serror_rate”,“rerror_rate”,“srv_rerror_rate”,“same_srv_rate”,“diff_srv_rate”,“srv_diff_host_rate”,“dst_host_count”,“dst_host_srv_count”,“dst_host_same_srv_rate”,“dst_host_diff_srv_rate”,“dst_host_same_src_port_rate”,“dst_host_srv_diff_host_rate”,“dst_host_serror_rate”,“dst_host_srv_serror_rate”,“dst_host_rerror_rate”,“dst_host_srv_rerror_rate”,“l(fā)abel”]

    其中4項(xiàng)是字符型的數(shù)據(jù),需要對(duì)其進(jìn)行數(shù)值化處理。例如最后一項(xiàng)數(shù)據(jù)類型label,共有5種,分別是普通行為、拒絕服務(wù)攻擊、網(wǎng)絡(luò)窺探、越權(quán)攻擊、遠(yuǎn)程攻擊。此部分?jǐn)?shù)據(jù)離散化不能作為GRU-RNN模型的直接輸入,需要將數(shù)據(jù)重新編碼。可以采用One-hot編碼方式。在用機(jī)器學(xué)習(xí)算法分類時(shí),計(jì)算各個(gè)特征之間的距離非常重要。One-hot編碼基本思想是將原數(shù)據(jù)的離散值轉(zhuǎn)換為歐式空間中的一個(gè)點(diǎn)。label分類的轉(zhuǎn)換可以如表1所示。

    表1 攻擊分類one-hot編碼表Table 1 Attack classification one-hot code table

    1.2 歸一化

    元數(shù)據(jù)的范圍不一致,例如第一列數(shù)據(jù)在(0,1)分布,第5列數(shù)據(jù)理論上可以達(dá)到無窮大。不利于神經(jīng)網(wǎng)絡(luò)的處理。如果數(shù)值過大會(huì)增加計(jì)算負(fù)擔(dān)。所以對(duì)數(shù)據(jù)進(jìn)行歸一化處理,例如將第5列數(shù)據(jù)歸一到(0,1),本文采用歸一化式:

    (1)

    2 GRU-RNN網(wǎng)絡(luò)結(jié)構(gòu)

    2.1 RNN循環(huán)神經(jīng)網(wǎng)絡(luò)

    推出RNN的目的是因?yàn)槿藗兿胍脦в许樞蛐缘臄?shù)據(jù)。在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中,假設(shè)所有輸入和輸出互相獨(dú)立。但是對(duì)于許多的任務(wù)處理,這種處理方式得到的模型效果很差。例如某人想要預(yù)測(cè)句子的下一個(gè)單詞,那么他最好知道之前的單詞都是什么,否則無法完成預(yù)測(cè)。RNN之所以稱之為遞歸,是因?yàn)樗鼘?duì)序列的每個(gè)元素都執(zhí)行相同的任務(wù),它的輸出受之前運(yùn)算影響。RNN具有記憶功能,可以捕獲到目前已經(jīng)計(jì)算出來的所有有關(guān)的內(nèi)容。

    RNN具有記憶功能,得益于RNN的模型結(jié)構(gòu)設(shè)計(jì),可以將之前的信息傳遞到后面的隱含層中,從而達(dá)到記憶的效果。RNN能夠記住在時(shí)間t處理的信息,在隨后的時(shí)間進(jìn)行計(jì)算,RNN模型結(jié)構(gòu)圖如圖1所示。

    圖1 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Recurrent neural network structure diagram

    RNN的模型結(jié)構(gòu)比較簡(jiǎn)單,由輸入層、隱藏層和輸出層組成。輸入層與隱含層和隱含層與輸出層之間為全連接的狀態(tài),隱含層自身也有一個(gè)自循環(huán)結(jié)構(gòu)。RNN模型展開圖如圖2所示。

    圖2 遞歸神經(jīng)網(wǎng)絡(luò)的層級(jí)展開Fig.2 Hierarchical expansion of recurrent neural network

    RNN展開圖中t-1,t,t+1代表時(shí)間順序。輸入層用x表示,W表示之前樣本的權(quán)重矩陣,U表示當(dāng)前時(shí)刻輸入樣本的權(quán)重矩陣,V表示輸出的權(quán)重矩陣。St表示數(shù)據(jù)在時(shí)間點(diǎn)t的隱藏狀態(tài),其計(jì)算過程受上一個(gè)時(shí)間點(diǎn)計(jì)算出來的狀態(tài)影響:

    St=f(W*St-1+U*Xt)

    (2)

    其中,f(·)為激活函數(shù),采用tanh函數(shù)。

    模型一般在t時(shí)刻初始化各類初值,其余值初始化階段:

    h1=Ux1+Ws0

    (3)

    s1=f(h1)

    (4)

    o1=g(Vs1)

    (5)

    其中g(shù)(·)為激活函數(shù),采用SOFTMAX函數(shù),在一次運(yùn)算完成后,當(dāng)前的狀態(tài)將作為t時(shí)刻的狀態(tài)參與下一時(shí)刻的運(yùn)算:

    h2=Ux2+Ws1

    (6)

    s2=f(h2)

    (7)

    o2=g(Vs2)

    (8)

    由此可知,最終輸出的式為:

    ht=Uxt+Wst-1

    (9)

    st=f(ht)

    (10)

    ot=g(Vst)

    (11)

    可以將隱藏狀態(tài)視為RNN“內(nèi)存”。 捕獲t時(shí)間點(diǎn)前發(fā)生的所有事情,并基于t時(shí)間點(diǎn)計(jì)算輸出。RNN在所有步驟中共享相同的參數(shù)(U,W,V),減少了學(xué)習(xí)過程中需要學(xué)習(xí)的參數(shù)總數(shù)。

    2.2 門控制循環(huán)單元

    門控循環(huán)單元(gated recurrent unit,GRU)在多種應(yīng)用領(lǐng)域中被證明是一種有效的LSTM變體,其結(jié)構(gòu)是LSTM的簡(jiǎn)化和提升版[10]。使用復(fù)位門和更新門替代LSTM結(jié)構(gòu)中輸入門、遺忘門和輸出門。復(fù)位門來計(jì)算是否忘記之前計(jì)算狀態(tài),更新門決定將上一步多少信息繼續(xù)迭代到當(dāng)前步驟[11]。GRU結(jié)構(gòu)如圖3所示。

    圖3 門控循環(huán)單元結(jié)構(gòu)Fig.3 gated recurrent unit structure diagram

    GRU結(jié)構(gòu)的主要計(jì)算式:

    rt=σ(Wrxt+Urht-1)

    (12)

    zt=σ(Wzxt+Urht-1)

    (13)

    (14)

    (15)

    GRU結(jié)構(gòu)比LSTM簡(jiǎn)單,在運(yùn)算的速度和性能上比LSTM更有優(yōu)勢(shì)[12],其展開圖如圖4所示。

    圖4 門控循環(huán)單元展開Fig.4 Hierarchical expansion of gated recurrent unit

    2.3 GRU-RNN網(wǎng)絡(luò)設(shè)計(jì)

    傳統(tǒng)網(wǎng)絡(luò)入侵檢測(cè)[13-14]被證明是非常有效的檢測(cè)手段,但這類檢測(cè)方式只對(duì)例如越權(quán)攻擊有較好的檢出率[15]。由于網(wǎng)絡(luò)入侵有明顯的時(shí)序性,例如DDOS攻擊就是在短時(shí)間內(nèi)大量的訪問某服務(wù)造成服務(wù)不可用的狀態(tài)。傳統(tǒng)的檢測(cè)方式[16],無法對(duì)持續(xù)一段時(shí)間的攻擊行為進(jìn)行檢測(cè),會(huì)在迭代學(xué)習(xí)的過程中產(chǎn)生一種梯度消失的現(xiàn)象,即遺忘[17]。所以本文采用RNN循環(huán)神經(jīng)網(wǎng)絡(luò),結(jié)合GRU模型,能夠處理具有時(shí)序性的攻擊信息。

    將GRU與RNN結(jié)合,構(gòu)建GRU-RNN網(wǎng)絡(luò)入侵檢測(cè)模型。如圖5所示,該系統(tǒng)由數(shù)據(jù)預(yù)處理模塊、過采樣模塊、GRU模塊、RNN模塊和輸出模塊組成。預(yù)處理模塊負(fù)責(zé)將原數(shù)據(jù)轉(zhuǎn)換為適合神經(jīng)網(wǎng)絡(luò)輸入的數(shù)值;GRU模塊由2個(gè)GRU層組成,每層含2個(gè)GRU結(jié)構(gòu)存儲(chǔ)數(shù)據(jù),是系統(tǒng)的核心部分;RNN模塊含15層隱含層,對(duì)GRU模塊的輸出執(zhí)行非線性映射,最終做出非線性的分類決策。KDD數(shù)據(jù)集共有5種行為,分別是普通行為、拒絕服務(wù)攻擊、網(wǎng)絡(luò)窺探、越權(quán)攻擊、遠(yuǎn)程攻擊。所以輸出層采用SOFTMAX函數(shù)對(duì)結(jié)果進(jìn)行分類處理,可標(biāo)準(zhǔn)化分類概率并將其輸出為最終結(jié)果。

    圖5 GRU-RNN網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 GRU-RNN network structure diagram

    在這些組件當(dāng)中,GRU和RNN模塊是2種不同的神經(jīng)網(wǎng)絡(luò)模型。GRU結(jié)構(gòu)復(fù)雜,計(jì)算量大。RNN結(jié)構(gòu)簡(jiǎn)單,可以進(jìn)行快速的計(jì)算且易于堆疊。所以本文采用2層GRU和15層RNN隱含層來實(shí)現(xiàn)。兩者構(gòu)成一個(gè)深層網(wǎng)絡(luò),實(shí)現(xiàn)更優(yōu)化的結(jié)果。

    輸入層具有41個(gè)輸入神經(jīng)元,輸入層連接到2個(gè)記憶模塊的隱含層,輸入層的神經(jīng)元與隱含層是全連接的關(guān)系。

    1)輸入層設(shè)計(jì)。

    將KDD-99數(shù)據(jù)集中的元數(shù)據(jù)數(shù)值化和歸一化后輸入GRU-RNN模型。其中protocol_type、service、flag和label元數(shù)據(jù)為字符型,利用One-hot編碼成為標(biāo)量。對(duì)src_bytes、dst_bytes等數(shù)據(jù)歸一化成為(0,1)標(biāo)量。元數(shù)據(jù)共41個(gè)維度,處理后對(duì)應(yīng)41個(gè)輸入神經(jīng)元的輸入層將元數(shù)據(jù)輸入GRU-RNN。

    2)GRU與RNN隱含層設(shè)計(jì)。

    由2層記憶層組成,該部分負(fù)責(zé)存儲(chǔ)數(shù)據(jù),即模型最核心的創(chuàng)新點(diǎn)“記憶功能”。用于識(shí)別持續(xù)時(shí)間較長(zhǎng)的攻擊行為。然后將數(shù)據(jù)導(dǎo)入一個(gè)15層的RNN隱含層進(jìn)行特征識(shí)別。

    3)輸出層。

    該KDD-99數(shù)據(jù)集中共有5種行為被標(biāo)識(shí),所以本系統(tǒng)采用一個(gè)5個(gè)輸出神經(jīng)元的輸出層。

    3 實(shí)驗(yàn)

    3.1 測(cè)量方法

    對(duì)于分類問題,分類結(jié)果可以是正確的或不正確的,所有可能的結(jié)果可以分為表2中4個(gè)情況。

    表2 性能指標(biāo)分類表Table 2 Measure classification

    TP表示模型檢測(cè)出攻擊流量的數(shù)目,且該檢測(cè)結(jié)果是正確的;FN表示檢出為攻擊流量的數(shù)目,但其檢測(cè)結(jié)果錯(cuò)誤,這些流量實(shí)際是正常流量;TN表示檢出為正常流量的數(shù)目,且檢測(cè)結(jié)果是正確的;FP表示檢出為正常流量的數(shù)目,但其檢測(cè)結(jié)果錯(cuò)誤,實(shí)際該流量是攻擊流量。其中,F(xiàn)P和FN稱為誤報(bào)。

    根據(jù)以上4個(gè)參數(shù),通??梢缘贸?個(gè)指標(biāo)衡量一個(gè)模型的實(shí)際性能。

    準(zhǔn)確率:

    (16)

    檢出率:

    (17)

    正確檢出率:

    (18)

    漏報(bào)率:

    (19)

    相關(guān)系數(shù):

    (20)

    其中,式(16)代表正確判斷所有入侵流量和正常流量的概率;式(17)、(18) 代表攻擊流量的檢出率;式(19)代表攻擊流量被當(dāng)成正常流量的誤報(bào)率;式(20)是衡量模型總體指標(biāo)的衡量函數(shù)。

    3.2 數(shù)據(jù)集

    KDD數(shù)據(jù)集是美國(guó)空軍模擬空軍基地局域網(wǎng),收集7個(gè)星期的訓(xùn)練數(shù)據(jù)和2個(gè)星期的測(cè)試數(shù)據(jù)。手機(jī)的數(shù)據(jù)總數(shù)包含200多個(gè)實(shí)例。

    流量被分類為正常流量或某種攻擊類型。攻擊被分成4個(gè)攻擊類別:拒絕服務(wù)攻擊(DOS)、網(wǎng)絡(luò)探測(cè)(Probe)、遠(yuǎn)程攻擊(R2L)和越權(quán)攻擊(U2R)。

    3.3 GRU-RNN網(wǎng)絡(luò)結(jié)構(gòu)實(shí)驗(yàn)

    為進(jìn)一步驗(yàn)證本文提出的GRU-RNN網(wǎng)絡(luò)模型性能。與其他文獻(xiàn)中入侵檢測(cè)模型進(jìn)行比較,包括不平衡學(xué)習(xí)、支持向量機(jī)、DNN等學(xué)習(xí)方法[18-19]。此外在本實(shí)驗(yàn)中,使用NSL-KDD數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),作為KDD數(shù)據(jù)集的改進(jìn)版,解決了KDD-CUP-99數(shù)據(jù)集s一些固有問題[20]。但總體仍然存在一些問題,通常將2種數(shù)據(jù)集一起使用。

    如表3~5所示,實(shí)驗(yàn)測(cè)試了不同模型的整體檢測(cè)性能。

    表3 與其他不平衡算法性能比較Table 3 Comparison with other imbalance algorithms

    表4 與其他傳統(tǒng)算法性能比較Table 4 Compared with other traditional algorithms

    表5 與其他深度學(xué)習(xí)算法性能比較Table 5 Comparison with other deep learning algorithms

    與其他的不平衡學(xué)習(xí)方法相比,本文提出的GRU-RNN模型使用最少的樣本來獲得最佳性能。在準(zhǔn)確率和正確檢出率方面,I-NGSA與CANN+SMOTE模型在不平衡學(xué)習(xí)模型中取得了比較好的效果。相比之下,本文提出的GRU-RNN模型效果略遜色于上述2種模型,但由于均達(dá)到99%以上的檢出率。所以可以忽略本部分的劣勢(shì),可以視為是較好的檢測(cè)水平。

    與淺層學(xué)習(xí)相比,GA-LR在淺層學(xué)習(xí)中所有指標(biāo)均表現(xiàn)良好,總體效果要略好于本文提出的模型。但由于GA-LR模型所需要的訓(xùn)練數(shù)據(jù)集大小為本模型的7倍。因此,在相同的數(shù)據(jù)量下,本模型的收斂性比GA-LR模型好。表現(xiàn)出本算法在少量數(shù)據(jù)的時(shí)候,就能達(dá)到最優(yōu)狀態(tài)。

    與其他深度學(xué)習(xí)模型[21-22]相比,結(jié)果顯示其他深度模型均有較好的性能。其中,CNN-LSTM與DNN模型總體上檢測(cè)效果要好于本模型,與GA-LR模型具有同樣的問題,需要的數(shù)據(jù)量遠(yuǎn)大于本模型。S-NADE模型,整體性能較差,需要的數(shù)據(jù)量也遠(yuǎn)超本模型。SCDNN模型,正確檢出率極低。

    4 結(jié)論

    1)實(shí)驗(yàn)結(jié)果驗(yàn)證了基于GRU網(wǎng)絡(luò)記憶模塊的GRU-RNN入侵檢測(cè)系統(tǒng),能夠解決傳統(tǒng)的入侵檢測(cè)模型普遍無法對(duì)具有時(shí)序特征(尤其是持續(xù)時(shí)間較長(zhǎng)的攻擊)檢出率不高的問題。

    2)對(duì)KDD數(shù)據(jù)集的仿真實(shí)驗(yàn)表明,該模型能夠在使用較少數(shù)據(jù)集的條件下,達(dá)到99%以上的準(zhǔn)確率,且具有較好的準(zhǔn)確率、檢出率和漏報(bào)率。

    本文對(duì)所提出的模型主要進(jìn)行了理論驗(yàn)證,為了驗(yàn)證該模型的實(shí)際應(yīng)用,需要投入到大量的工程中運(yùn)行。下一步的研究重點(diǎn)是優(yōu)化模型,使其能夠應(yīng)用在網(wǎng)絡(luò)入侵檢測(cè)的實(shí)際場(chǎng)景中。

    猜你喜歡
    檢出率神經(jīng)網(wǎng)絡(luò)流量
    冰墩墩背后的流量密碼
    玩具世界(2022年2期)2022-06-15 07:35:36
    QCT與DXA對(duì)絕經(jīng)后婦女骨質(zhì)疏松癥檢出率的對(duì)比
    安寧市老年人高血壓檢出率及其影響因素
    張曉明:流量決定勝負(fù)!三大流量高地裂變無限可能!
    長(zhǎng)程動(dòng)態(tài)心電圖對(duì)心律失常的檢出率分析
    尋找書業(yè)新流量
    出版人(2020年4期)2020-11-14 08:34:26
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    山東產(chǎn)品抽查:文胸嬰幼兒服裝不合格率居前
    久久九九热精品免费| 国产高清videossex| 国产成人av激情在线播放| 精品国产国语对白av| 在线观看免费视频日本深夜| 国产av在哪里看| 波多野结衣高清作品| 欧美激情高清一区二区三区| 亚洲成人久久爱视频| 日本撒尿小便嘘嘘汇集6| 欧美色视频一区免费| 久久亚洲真实| 国产一区在线观看成人免费| www.自偷自拍.com| 黑人巨大精品欧美一区二区mp4| 日韩国内少妇激情av| 精品卡一卡二卡四卡免费| 精品高清国产在线一区| 国产aⅴ精品一区二区三区波| 久久伊人香网站| 国内久久婷婷六月综合欲色啪| 久久久久久亚洲精品国产蜜桃av| 国产区一区二久久| 国产精品亚洲av一区麻豆| 久久草成人影院| 国产97色在线日韩免费| 美女 人体艺术 gogo| 精品第一国产精品| 亚洲人成网站在线播放欧美日韩| 91麻豆精品激情在线观看国产| 男女之事视频高清在线观看| 精品一区二区三区四区五区乱码| 色播在线永久视频| 午夜视频精品福利| 99在线人妻在线中文字幕| 久久久久九九精品影院| 欧美久久黑人一区二区| 亚洲 欧美 日韩 在线 免费| 国产精品二区激情视频| 亚洲色图 男人天堂 中文字幕| 黄色丝袜av网址大全| 欧美性长视频在线观看| 午夜福利欧美成人| 亚洲七黄色美女视频| av片东京热男人的天堂| 午夜日韩欧美国产| 亚洲国产毛片av蜜桃av| 久久久久久久精品吃奶| 天堂影院成人在线观看| 国产午夜福利久久久久久| 国产av一区二区精品久久| 久久精品国产亚洲av高清一级| 欧美色欧美亚洲另类二区| 国产99久久九九免费精品| 黄网站色视频无遮挡免费观看| 久久精品国产清高在天天线| 久久精品成人免费网站| 久久国产精品人妻蜜桃| 老汉色∧v一级毛片| 亚洲,欧美精品.| 麻豆av在线久日| 国产精品久久电影中文字幕| 在线观看免费视频日本深夜| 国产精品二区激情视频| 欧美乱妇无乱码| 久久午夜综合久久蜜桃| 亚洲电影在线观看av| 自线自在国产av| 亚洲中文字幕一区二区三区有码在线看 | 又大又爽又粗| 国产一区二区三区在线臀色熟女| 日本 av在线| 久久狼人影院| 亚洲第一青青草原| 国产精品二区激情视频| 国产精品自产拍在线观看55亚洲| 国产高清有码在线观看视频 | 婷婷六月久久综合丁香| 亚洲,欧美精品.| 露出奶头的视频| 大型av网站在线播放| 国产精品久久久av美女十八| 亚洲九九香蕉| 精品久久久久久成人av| 一级黄色大片毛片| 十八禁网站免费在线| 久久九九热精品免费| 我的亚洲天堂| 国内少妇人妻偷人精品xxx网站 | 国产精品二区激情视频| 亚洲欧美激情综合另类| 国产精品国产高清国产av| 搡老岳熟女国产| 91av网站免费观看| 精品久久蜜臀av无| 女性被躁到高潮视频| 日韩 欧美 亚洲 中文字幕| 日本a在线网址| 狂野欧美激情性xxxx| 国产伦在线观看视频一区| 日本五十路高清| 免费高清在线观看日韩| 欧美一级毛片孕妇| 精品不卡国产一区二区三区| 国产av不卡久久| tocl精华| 女人爽到高潮嗷嗷叫在线视频| 韩国精品一区二区三区| 欧美zozozo另类| 欧美另类亚洲清纯唯美| 精品国产亚洲在线| 免费高清在线观看日韩| 亚洲国产中文字幕在线视频| 亚洲电影在线观看av| 天堂√8在线中文| 色老头精品视频在线观看| 亚洲美女黄片视频| 大型av网站在线播放| 亚洲第一电影网av| 久久久久久人人人人人| 日韩欧美免费精品| 色综合欧美亚洲国产小说| 丁香六月欧美| 一级毛片精品| 91在线观看av| 色播在线永久视频| 亚洲av成人一区二区三| 中文字幕av电影在线播放| 757午夜福利合集在线观看| 欧美国产精品va在线观看不卡| 国产精品一区二区精品视频观看| 一进一出抽搐gif免费好疼| 亚洲国产毛片av蜜桃av| 变态另类丝袜制服| 亚洲黑人精品在线| 美女 人体艺术 gogo| 中文在线观看免费www的网站 | netflix在线观看网站| 欧美成人午夜精品| 国产av在哪里看| 免费观看人在逋| 成人三级做爰电影| 欧美日韩黄片免| 国产欧美日韩精品亚洲av| 操出白浆在线播放| 不卡av一区二区三区| 精华霜和精华液先用哪个| а√天堂www在线а√下载| 色综合欧美亚洲国产小说| 日本成人三级电影网站| a级毛片a级免费在线| 可以免费在线观看a视频的电影网站| 亚洲色图av天堂| 91麻豆精品激情在线观看国产| 欧美色视频一区免费| 99久久99久久久精品蜜桃| 日韩 欧美 亚洲 中文字幕| a在线观看视频网站| 日韩大尺度精品在线看网址| 波多野结衣av一区二区av| 人成视频在线观看免费观看| 一级毛片女人18水好多| 国产又色又爽无遮挡免费看| 真人一进一出gif抽搐免费| 黑人操中国人逼视频| 国产又色又爽无遮挡免费看| 久9热在线精品视频| 中文资源天堂在线| 少妇被粗大的猛进出69影院| 久久午夜亚洲精品久久| 香蕉久久夜色| 国产精品一区二区三区四区久久 | 亚洲精品一卡2卡三卡4卡5卡| 99热只有精品国产| 欧美日韩一级在线毛片| 99国产精品一区二区三区| 少妇被粗大的猛进出69影院| xxxwww97欧美| 亚洲三区欧美一区| 国产精品爽爽va在线观看网站 | 久久久久久人人人人人| 国产成人精品无人区| 国产aⅴ精品一区二区三区波| 91字幕亚洲| 搡老妇女老女人老熟妇| 亚洲在线自拍视频| 村上凉子中文字幕在线| 欧美性猛交╳xxx乱大交人| 日日干狠狠操夜夜爽| 午夜精品在线福利| 久久久国产成人免费| 久久久久久亚洲精品国产蜜桃av| 99热这里只有精品一区 | 91在线观看av| 国产一级毛片七仙女欲春2 | svipshipincom国产片| 国产精品亚洲美女久久久| 999精品在线视频| 亚洲精品美女久久久久99蜜臀| 日韩大码丰满熟妇| 高清在线国产一区| 岛国在线观看网站| 2021天堂中文幕一二区在线观 | 久久国产亚洲av麻豆专区| 久久国产精品男人的天堂亚洲| 99久久无色码亚洲精品果冻| 波多野结衣巨乳人妻| 长腿黑丝高跟| 亚洲中文字幕日韩| 国产一区在线观看成人免费| 色综合站精品国产| 久9热在线精品视频| 亚洲 欧美一区二区三区| 精品福利观看| 精品久久久久久,| 99在线人妻在线中文字幕| 十八禁人妻一区二区| 法律面前人人平等表现在哪些方面| 国产伦在线观看视频一区| 人人妻人人澡欧美一区二区| videosex国产| 麻豆国产av国片精品| 久久久久久久久免费视频了| 亚洲五月色婷婷综合| 1024香蕉在线观看| 中国美女看黄片| 日韩欧美国产在线观看| 婷婷精品国产亚洲av| 一区二区日韩欧美中文字幕| a级毛片在线看网站| 精品久久久久久久久久久久久 | 国产精品一区二区三区四区久久 | 亚洲精品国产区一区二| 亚洲aⅴ乱码一区二区在线播放 | 日韩欧美 国产精品| 亚洲av熟女| 我的亚洲天堂| 国产高清激情床上av| 在线观看免费午夜福利视频| 成人特级黄色片久久久久久久| 叶爱在线成人免费视频播放| 我的亚洲天堂| 1024香蕉在线观看| 亚洲男人的天堂狠狠| 韩国精品一区二区三区| 欧美色视频一区免费| 在线十欧美十亚洲十日本专区| 国产蜜桃级精品一区二区三区| 丝袜人妻中文字幕| 国内久久婷婷六月综合欲色啪| 欧美绝顶高潮抽搐喷水| 色在线成人网| 精品久久久久久久毛片微露脸| 禁无遮挡网站| 国产人伦9x9x在线观看| 中文资源天堂在线| 亚洲一区二区三区色噜噜| 国产又爽黄色视频| 精品午夜福利视频在线观看一区| 亚洲国产中文字幕在线视频| 国产乱人伦免费视频| 色在线成人网| 亚洲五月天丁香| 欧美大码av| 不卡av一区二区三区| 夜夜看夜夜爽夜夜摸| 国产私拍福利视频在线观看| 51午夜福利影视在线观看| 99热6这里只有精品| 狂野欧美激情性xxxx| 91老司机精品| 欧美日韩瑟瑟在线播放| 国产亚洲av高清不卡| av免费在线观看网站| 午夜影院日韩av| 亚洲欧美一区二区三区黑人| 欧美国产日韩亚洲一区| 欧美日本亚洲视频在线播放| 麻豆成人午夜福利视频| 妹子高潮喷水视频| 夜夜爽天天搞| 又黄又粗又硬又大视频| 国产精品精品国产色婷婷| 最近最新中文字幕大全电影3 | 极品教师在线免费播放| 午夜免费鲁丝| 欧美午夜高清在线| 成年免费大片在线观看| 999精品在线视频| 色精品久久人妻99蜜桃| 少妇熟女aⅴ在线视频| 长腿黑丝高跟| 九色国产91popny在线| 无遮挡黄片免费观看| 日韩有码中文字幕| 精品国产亚洲在线| 十八禁人妻一区二区| 一本大道久久a久久精品| 长腿黑丝高跟| 日韩大尺度精品在线看网址| 色综合亚洲欧美另类图片| 老司机午夜福利在线观看视频| 少妇粗大呻吟视频| 久9热在线精品视频| 久久国产精品影院| 中亚洲国语对白在线视频| 美国免费a级毛片| 久久香蕉国产精品| 精品一区二区三区av网在线观看| 亚洲,欧美精品.| www.精华液| 日韩精品青青久久久久久| 日日干狠狠操夜夜爽| 亚洲欧美激情综合另类| 亚洲成av片中文字幕在线观看| 哪里可以看免费的av片| 国产黄色小视频在线观看| 亚洲一区高清亚洲精品| 欧美最黄视频在线播放免费| 搡老熟女国产l中国老女人| 日本成人三级电影网站| 欧美黑人欧美精品刺激| 在线av久久热| 亚洲精品一区av在线观看| 久久午夜亚洲精品久久| 亚洲成人免费电影在线观看| 十八禁人妻一区二区| 婷婷亚洲欧美| 国产高清有码在线观看视频 | 成人一区二区视频在线观看| АⅤ资源中文在线天堂| 久久久久久久久免费视频了| 亚洲精品色激情综合| 成人亚洲精品av一区二区| 午夜福利18| 国产极品粉嫩免费观看在线| 悠悠久久av| 在线观看午夜福利视频| 国产亚洲精品久久久久久毛片| 母亲3免费完整高清在线观看| 亚洲va日本ⅴa欧美va伊人久久| 淫秽高清视频在线观看| 9191精品国产免费久久| 亚洲人成电影免费在线| 成人国产综合亚洲| 欧美日韩乱码在线| 日本熟妇午夜| 精品国产乱码久久久久久男人| 久久久久久久久中文| www.999成人在线观看| 九色国产91popny在线| 欧美午夜高清在线| 久久人妻av系列| 一进一出好大好爽视频| 最新美女视频免费是黄的| 在线永久观看黄色视频| 国产av一区在线观看免费| 欧美在线黄色| 成人亚洲精品av一区二区| 国产在线观看jvid| 成熟少妇高潮喷水视频| 日本 av在线| 99热这里只有精品一区 | 无限看片的www在线观看| 19禁男女啪啪无遮挡网站| 精品国产乱子伦一区二区三区| 91麻豆精品激情在线观看国产| 丰满人妻熟妇乱又伦精品不卡| 欧美黑人精品巨大| √禁漫天堂资源中文www| 在线观看一区二区三区| 校园春色视频在线观看| 午夜a级毛片| xxxwww97欧美| 成人三级黄色视频| 中出人妻视频一区二区| 国产精品香港三级国产av潘金莲| 日本在线视频免费播放| 日韩欧美一区二区三区在线观看| 久久午夜综合久久蜜桃| 中文字幕人妻丝袜一区二区| 99精品在免费线老司机午夜| 国产午夜精品久久久久久| 日韩大尺度精品在线看网址| 美女高潮到喷水免费观看| 中文字幕av电影在线播放| 亚洲精品粉嫩美女一区| 日日夜夜操网爽| 国产一区二区在线av高清观看| 国产激情欧美一区二区| 亚洲中文av在线| 淫妇啪啪啪对白视频| 免费在线观看完整版高清| 91大片在线观看| 久久亚洲精品不卡| 91大片在线观看| 久久中文看片网| 伦理电影免费视频| 免费电影在线观看免费观看| 精品第一国产精品| 日本 av在线| 很黄的视频免费| 黑人巨大精品欧美一区二区mp4| 波多野结衣av一区二区av| 一个人观看的视频www高清免费观看 | 久久天堂一区二区三区四区| 午夜精品久久久久久毛片777| 国产激情偷乱视频一区二区| 国产又爽黄色视频| 中文资源天堂在线| 亚洲精品av麻豆狂野| 国产三级在线视频| 久久精品成人免费网站| 国产伦一二天堂av在线观看| 精品人妻1区二区| 欧美性长视频在线观看| 男人舔奶头视频| 国产精品av久久久久免费| 久久伊人香网站| 大型黄色视频在线免费观看| 最近最新免费中文字幕在线| 国产成+人综合+亚洲专区| 国产精品一区二区三区四区久久 | 久久热在线av| 日韩 欧美 亚洲 中文字幕| 中文字幕精品亚洲无线码一区 | 久久精品影院6| 正在播放国产对白刺激| 人人妻人人澡欧美一区二区| 国产熟女午夜一区二区三区| 国产精品1区2区在线观看.| 黄色视频,在线免费观看| 国产99久久九九免费精品| 免费电影在线观看免费观看| 久久这里只有精品19| 亚洲自拍偷在线| 精品午夜福利视频在线观看一区| 久久天堂一区二区三区四区| 国产精品电影一区二区三区| 黑丝袜美女国产一区| 亚洲最大成人中文| 午夜免费激情av| 一区二区三区高清视频在线| 最新在线观看一区二区三区| 午夜a级毛片| 免费看日本二区| 国产三级在线视频| 禁无遮挡网站| 亚洲色图av天堂| 国产高清有码在线观看视频 | 亚洲专区字幕在线| 亚洲黑人精品在线| 欧美亚洲日本最大视频资源| 欧美色欧美亚洲另类二区| 久久国产精品男人的天堂亚洲| 最新在线观看一区二区三区| 亚洲精品久久成人aⅴ小说| 校园春色视频在线观看| 深夜精品福利| 亚洲国产日韩欧美精品在线观看 | 成人特级黄色片久久久久久久| 一级作爱视频免费观看| 亚洲欧美日韩无卡精品| 一本精品99久久精品77| 亚洲精品粉嫩美女一区| 国产免费男女视频| 高清毛片免费观看视频网站| 久久久久久九九精品二区国产 | 日韩国内少妇激情av| 1024视频免费在线观看| 日韩免费av在线播放| 亚洲成a人片在线一区二区| 亚洲自拍偷在线| 国产精品永久免费网站| 此物有八面人人有两片| 国产高清视频在线播放一区| 午夜激情福利司机影院| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人啪精品午夜网站| 亚洲av美国av| 一区二区三区国产精品乱码| 免费观看人在逋| 国产精品1区2区在线观看.| 两性夫妻黄色片| 97碰自拍视频| 91麻豆av在线| 丝袜人妻中文字幕| 日韩精品青青久久久久久| 特大巨黑吊av在线直播 | 亚洲avbb在线观看| 在线免费观看的www视频| 一级毛片精品| 国产成人精品无人区| 在线观看www视频免费| 很黄的视频免费| 国内揄拍国产精品人妻在线 | 午夜a级毛片| 午夜免费鲁丝| 国产黄色小视频在线观看| 在线观看免费视频日本深夜| 久久久精品国产亚洲av高清涩受| 日本 av在线| 精品国内亚洲2022精品成人| 欧美日韩亚洲综合一区二区三区_| 亚洲午夜精品一区,二区,三区| 久久午夜亚洲精品久久| 日韩成人在线观看一区二区三区| 91大片在线观看| or卡值多少钱| 午夜激情av网站| 麻豆国产av国片精品| 欧美av亚洲av综合av国产av| 制服人妻中文乱码| av在线天堂中文字幕| 一级黄色大片毛片| 99在线视频只有这里精品首页| 亚洲中文字幕日韩| 高清毛片免费观看视频网站| 国产午夜福利久久久久久| 久9热在线精品视频| 一进一出抽搐gif免费好疼| 在线av久久热| 久久久久久久久久黄片| 久久精品国产综合久久久| 一个人观看的视频www高清免费观看 | 免费在线观看黄色视频的| 亚洲国产精品999在线| 国产人伦9x9x在线观看| 成在线人永久免费视频| 熟女电影av网| 97超级碰碰碰精品色视频在线观看| 日韩欧美一区二区三区在线观看| 热re99久久国产66热| 国产精品 国内视频| 亚洲 国产 在线| 国产久久久一区二区三区| 色综合站精品国产| 变态另类成人亚洲欧美熟女| 男人操女人黄网站| 亚洲专区中文字幕在线| 久99久视频精品免费| 亚洲成人免费电影在线观看| 日本 欧美在线| 精品福利观看| 99国产精品一区二区蜜桃av| 国产成+人综合+亚洲专区| 俄罗斯特黄特色一大片| 国产1区2区3区精品| 哪里可以看免费的av片| 亚洲天堂国产精品一区在线| 欧美午夜高清在线| 久久久久久久久免费视频了| 国产精品二区激情视频| 日日夜夜操网爽| 国产亚洲欧美在线一区二区| 看免费av毛片| 久久久国产精品麻豆| 国产熟女xx| 男女之事视频高清在线观看| 日韩国内少妇激情av| 大型av网站在线播放| 亚洲欧美精品综合一区二区三区| 亚洲国产精品成人综合色| 午夜激情av网站| 嫁个100分男人电影在线观看| 欧美精品啪啪一区二区三区| 亚洲av日韩精品久久久久久密| 男男h啪啪无遮挡| 午夜亚洲福利在线播放| 国产精品乱码一区二三区的特点| 母亲3免费完整高清在线观看| 日韩中文字幕欧美一区二区| 好男人在线观看高清免费视频 | 1024手机看黄色片| 日本免费一区二区三区高清不卡| 人人妻人人澡人人看| 成人三级黄色视频| 国产精品电影一区二区三区| 亚洲五月天丁香| 欧美日本亚洲视频在线播放| 欧美一级a爱片免费观看看 | 亚洲avbb在线观看| a级毛片a级免费在线| 夜夜看夜夜爽夜夜摸| 首页视频小说图片口味搜索| 久久久水蜜桃国产精品网| 激情在线观看视频在线高清| 一进一出抽搐动态| 亚洲成人国产一区在线观看| 日本熟妇午夜| 无人区码免费观看不卡| 国产精品,欧美在线| 好看av亚洲va欧美ⅴa在| 国产亚洲av嫩草精品影院| 国产不卡一卡二| 9191精品国产免费久久| 成年人黄色毛片网站| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲欧美精品综合一区二区三区| av片东京热男人的天堂| 老汉色av国产亚洲站长工具| 国产精品免费视频内射| 久久久国产成人精品二区| 国产午夜精品久久久久久| 麻豆成人av在线观看| 久久久久国产一级毛片高清牌| 琪琪午夜伦伦电影理论片6080| 熟女电影av网| 老司机福利观看| 日韩视频一区二区在线观看| 身体一侧抽搐| 国内久久婷婷六月综合欲色啪| 欧美日韩乱码在线| 好男人电影高清在线观看| 国产精品一区二区免费欧美|