• <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1D-CNN-Densenet的惡意代碼檢測方法

    2022-07-20 02:29:08劉曉晨蘆天亮楊錦璈
    關鍵詞:調(diào)用個數(shù)卷積

    劉曉晨, 蘆天亮, 楊錦璈, 楊 明

    (1.中國人民公安大學信息網(wǎng)絡安全學院, 北京 100038; 2.中國人民公安大學公共安全行為科學實驗室, 北京 100038)

    0 引言

    網(wǎng)絡技術的日益發(fā)展帶來越來越多的網(wǎng)絡安全問題,惡意軟件如病毒、蠕蟲、后門、僵尸網(wǎng)絡和特洛伊木馬等成為當今影響世界網(wǎng)絡安全的一大威脅,其多種多樣的攻擊手段給人們的生活帶來了極為不利的影響。惡意代碼對互聯(lián)網(wǎng)的健康發(fā)展產(chǎn)生了嚴重的影響,甚至對重點行業(yè)的關鍵基礎設施造成威脅。McAfee發(fā)布報告稱,2020年第二季度新發(fā)現(xiàn)惡意軟件樣本數(shù)量增長了11.5%,平均每分鐘會出現(xiàn)419個新威脅[1]。

    隨著深度學習模型的發(fā)展,API調(diào)用序列作為特征處理惡意代碼檢測不再局限于數(shù)據(jù)挖掘和傳統(tǒng)的機器學習算法[2-3],基于深度學習的惡意代碼檢測模型中循環(huán)神經(jīng)網(wǎng)絡占多數(shù),這些模型比數(shù)據(jù)挖掘和傳統(tǒng)的機器學習方法具有更高的準確性。本文設計了一種1D-CNN-Densenet模型對惡意代碼進行檢測,主要工作如下:

    (1)通過Cuckoo Sandbox動態(tài)提取API序列,對獲取到的API原始序列轉(zhuǎn)化、去重,對每個API進行十進制編碼向量化表示。

    (2)統(tǒng)計所有API個數(shù)和每一個惡意程序的API個數(shù),通過剪裁和補齊,構(gòu)建輸入到檢測模型的矩陣。

    (3)設計基于一維卷積和稠密網(wǎng)絡結(jié)構(gòu)的1D-CNN-Densenet,提取和學習更深層次的惡意代碼特征,進一步提高惡意代碼檢測模型的準確率。

    1 相關工作

    1.1 惡意代碼分析技術

    靜態(tài)分析和動態(tài)分析是惡意代碼分析技術的兩種常見方法。靜態(tài)分析不對惡意樣本進行執(zhí)行操作,直接從二進制文件中提取特征,方法簡單,效率高,占用資源較少,從特征碼、文件完整性、反匯編等方面了解惡意軟件的代碼、邏輯結(jié)構(gòu)等。廖國輝等[4]從Windows可執(zhí)行PE文件中提取靜態(tài)特征分析惡意代碼;Natarajf等[5]將惡意代碼的二進制文件轉(zhuǎn)化為灰度圖像,利用神經(jīng)網(wǎng)絡分類惡意代碼;楊頻等[6]提取操作碼特征構(gòu)建檢測模型;Raff等[7]將惡意代碼原生字節(jié)序列作為輸入,將可執(zhí)行文件結(jié)構(gòu)通過神經(jīng)網(wǎng)絡學習軟件中具有判別力的特征信息;Zhao等[8]基于函數(shù)的調(diào)用圖對惡意代碼的變形進行分類檢測。靜態(tài)分析具有局限性,攻擊技術的加強,受混淆、壓縮、加殼等影響,靜態(tài)分析的泛化能力變?nèi)?,易出現(xiàn)漏報和誤報。

    動態(tài)分析是在隔離環(huán)境如沙箱中執(zhí)行惡意樣本,提取樣本的動態(tài)特征,對新型惡意代碼識別率較高。其中分析API調(diào)用序列最具代表性,Dahl等[9]根據(jù)置信度分析惡意代碼的動態(tài)API序列進行惡意代碼分類;Hyunjoo等[10]使用API調(diào)用序列和序列比對算法實現(xiàn)了惡意軟件的檢測和分類;Abdurrahman等[11]提取惡意代碼注冊表活動以及API序列等動態(tài)特征,構(gòu)建特征向量,對惡意軟件進行分類檢測。

    此外還有通過靜態(tài)分析技術提取惡意代碼特征,利用動態(tài)檢測方法識別惡意代碼的混合分析技術。Zhao等[12]結(jié)合動態(tài)和靜態(tài)特征基于機器學習算法對惡意代碼進行檢測;Kang[13]等基于word2vec以較少維度分析操作碼和API序列,使用分類器分類惡意軟件。

    綜上,無論是靜態(tài)分析還是動態(tài)分析都是通過分析樣本的內(nèi)容以及樣本間的關系提取惡意代碼的特征并對其進行分類。

    1.2 基于API調(diào)用序列的惡意代碼檢測技術

    傳統(tǒng)的基于特征碼的檢測受限于混淆、多態(tài)的代碼。許多研究使用機器學習算法進行惡意代碼分析如LR、DT、NNs等。Kolter等[14]使用字節(jié)序列N- Gram通過機器學習(如NB、SVM、DT等)構(gòu)建分類模型對惡意代碼進行檢測。Saxe等[15]使用神經(jīng)網(wǎng)絡算法對惡意代碼進行分類檢測。深度學習的卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡及其改進的算法在惡意代碼檢測領域中也有所應用。Kolosnjaji等[16]將提取的特征通過N- Gram和CNN模型將其轉(zhuǎn)換為LSTM模型的輸入進行分類。Tobiyama等[17]將API序列和API返回值輸入RNN模型中進行惡意代碼分類。

    API調(diào)用序列可以反映惡意代碼的運行,可以作為惡意代碼檢測的特征進行分析。Chen等[18]從PE文件中提取API調(diào)用序列;Ravi等[19]將API調(diào)用序列用用數(shù)據(jù)挖掘算法進行惡意代碼檢測;Hansen等[20]利用RF根據(jù)API調(diào)用序列和API調(diào)用頻率對惡意軟件進行分類;Ding等[21]標記API序列,提取調(diào)用關系,挖掘行為依賴圖用于惡意代碼檢測。蘆效峰[22]基于序列數(shù)據(jù)的長短期記憶深度學習模型對API調(diào)用統(tǒng)計特征組合提出惡意樣本檢測框架。

    上述列舉的基于API調(diào)用序列的模型大多依賴于循環(huán)結(jié)構(gòu),循環(huán)結(jié)構(gòu)按順序處理長數(shù)據(jù),處理較長的輸入序列性能較低,需要消耗較長的時間和資源,影響惡意代碼檢測的性能。在這種情況下,本文設計了基于一維卷積和稠密結(jié)構(gòu)的1D-CNN-Densenet模型。

    2 模型設計與實現(xiàn)

    如圖1所示,本文設計了一種1D-CNN-Densenet針對惡意代碼進行檢測,在Cuckoo sandbox中運行程序動態(tài)提取正常軟件和惡意代碼的行為報告,經(jīng)過API序列數(shù)據(jù)預處理[23],將十進制編碼映射API序列對其進行補齊和裁剪,向量化輸入到1D-CNN-Densenet模型,通過稠密網(wǎng)絡式結(jié)構(gòu),挖掘和學習更深層次的特征,訓練和測試模型,從而判斷程序是良性還是惡意。

    圖1 實驗流程

    2.1 數(shù)據(jù)預處理

    2.1.1 惡意代碼行為表示

    每一個可執(zhí)行文件運行程序的行為都可以使用API調(diào)用序列來表示,API調(diào)用序列的提取可以通過沙箱動態(tài)執(zhí)行程序獲得。本文基于Cuckoo sandbox[24]搭建惡意代碼分析環(huán)境,使用隔離環(huán)境自動執(zhí)行不可信的惡意軟件,分析樣本提取出進程、網(wǎng)絡、文件等動態(tài)行為。主機通過Cuckoo sandbox分發(fā)惡意樣本至客戶機并執(zhí)行惡意代碼,Cuckoo sandbox生成多種形式的結(jié)果,由于Json格式的報告在跨平臺適用性方面較好,且格式規(guī)范統(tǒng)一,便于下一步對惡意代碼樣本行為進行批量處理,因此采用Json格式的報告提取API調(diào)用序列并轉(zhuǎn)化為txt文檔進行下一步數(shù)據(jù)處理。

    經(jīng)轉(zhuǎn)化,每一個txt文檔代表著一個程序所有的API調(diào)用,即一個程序的所有動態(tài)行為,其中一行由API類型和API名稱兩部分組成,表示一個API調(diào)用序列。

    2.1.2 向量化表示

    程序會連續(xù)執(zhí)行類似的操作,因此在分析API調(diào)用序列時發(fā)現(xiàn)無論正常還是惡意程序,同一個API函數(shù)通常被連續(xù)多次調(diào)用,為減少送入模型的序列的長度,對重復調(diào)用的API序列進行去重,刪除重復的API調(diào)用序列可以避免信息冗余。

    將txt文件去重后將每一串字符用十進制編碼成[n,m]的矩陣。n為每個程序中API的取值個數(shù),m為每個API的平均長度,本文3.4的預實驗中得出結(jié)論n的取值為平均個數(shù)時效率最高,因此n為每個程序的平均API個數(shù)。對每個API長度不足平均長度的補0,大于平均長度的裁剪,將所有API個數(shù)不足平均個數(shù)的補[1,m]的0矩陣至n,超過n的進行裁剪以保證每一個txt里面的矩陣為[n,m]。

    本次實驗最終網(wǎng)絡輸出為(N, 50,22),其中N代表輸入數(shù)據(jù)的批次,是一個由20行20列組成的矩陣;50代表經(jīng)過裁剪和補齊的行數(shù),即每一個txt里有50個API。22代表API編碼化后的平均列數(shù),即每一個API編碼化后的向量長度為22。

    2.2 1D-CNN-Densenet模型

    2.2.1 模型設計

    本文設計了一種融合一維卷積和稠密結(jié)構(gòu)的模型:1D-CNN-Densenet模型,此模型包含了兩部分:一維卷積和稠密結(jié)構(gòu),橫向進行一維卷積計算,縱向構(gòu)建稠密結(jié)構(gòu)網(wǎng)絡,每一層的輸入都是前面所有層輸出的相加。本文采用的基于深度學習的惡意代碼檢測程序能夠自主學習惡意代碼的深度特征,對測試集的惡意代碼樣本進行分類。

    (1)一維卷積網(wǎng)絡

    一維卷積在單方向上滑動窗口并相乘求和,常用于序列模型、自然語言處理領域,對本文惡意代碼序列預處理后的數(shù)據(jù)處理效果較好。將處理過的惡意代碼API序列向量表示為矩陣,輸入到模型中,如圖2對矩陣橫向做一維卷積,一個n×m的矩陣經(jīng)一維卷積計算為n×1的矩陣,惡意代碼特征數(shù)據(jù)在卷積層進行學習和訓練,同時數(shù)據(jù)經(jīng)轉(zhuǎn)置為(N,1,n)。

    圖2 一維卷積網(wǎng)絡

    (2)稠密結(jié)構(gòu)

    卷積層的加深可以提高分類模型準確性,但隨著卷積層增多、計算量增加,梯度消失等問題隨之而來,準確率反而會受到影響,因此引入跳躍連接嵌套稠密卷積網(wǎng)絡的稠密結(jié)構(gòu),稠密網(wǎng)絡[25]的結(jié)構(gòu)每個層都會接受其前面所有層作為其額外的輸入,能很好地學習惡意代碼更深層次的特征如式(1),通過加深網(wǎng)絡層數(shù)提高分類準確性的同時,跳躍連接[26]即式(2)對于解決梯度消失、改善梯度反向傳播、加快訓練過程效果較好。

    xl=Hl([x0,x1,…,xl-1])

    (1)

    y=H(x,WH)+X

    (2)

    以上的優(yōu)點融合有效地提高了分類檢測的準確性。一維稠密網(wǎng)絡的輸入(1,n),特征通過包含17層卷積層和1層全連接層的18層稠密結(jié)構(gòu)網(wǎng)絡,稠密結(jié)構(gòu)的稠密塊使用跳躍連接使得網(wǎng)絡層數(shù)加深也不會出現(xiàn)梯度消失問題,卷積層能夠向更深發(fā)展,提取和學習更深層次的特征,提高惡意代碼檢測的準確性,1D-CNN-Densenet的稠密結(jié)構(gòu)及其內(nèi)部的卷積塊如圖3所示。

    圖3 稠密結(jié)構(gòu)

    2.2.2 模型優(yōu)化及訓練

    本文設計的1D-CNN-Densenet模型在選取激活函數(shù)時考慮到ReLU函數(shù)可以增加神經(jīng)網(wǎng)絡模型的非線性,提升分類的準確性。且該激活函數(shù)計算簡便,沒有復雜運算,消耗資源少,收斂速度快,提高檢測效率,于是選取此函數(shù)作為激活函數(shù)。ReLU函數(shù)契合神經(jīng)網(wǎng)絡激活機制,貼近深度學習模型,能更好地挖掘惡意代碼特征,擬合訓練數(shù)據(jù),取得更好的效果,公式如(3)。

    ReLU(x)=max(0,x)

    (3)

    神經(jīng)網(wǎng)絡模型參數(shù)的優(yōu)化需要優(yōu)化器來調(diào)整,模型學習和訓練參數(shù)在優(yōu)化器的優(yōu)化下得到更新,這充分地挖掘模型的潛力,使分類檢測取得更好的效果。本文為了提升模型的準確性,通過對超參數(shù)進行對比實驗選擇Adam優(yōu)化器[27]優(yōu)化模型參數(shù)。該優(yōu)化器可對學習率的動態(tài)調(diào)整且實現(xiàn)簡單,計算效率卻很高。Adam優(yōu)化器每次迭代的學習率都有確定范圍,因此參數(shù)比較平穩(wěn),不需要調(diào)整,對大批量數(shù)據(jù)的優(yōu)化優(yōu)勢明顯。

    根據(jù)訓練模型的經(jīng)驗,本文采用的稠密結(jié)構(gòu)包含了17個卷積層和1個全連接層。每個卷積層的各單元之間共享訓練參數(shù)。使用dropout避免過擬合問題[28],dropout設置為0.7,為了更好地估計模型在新數(shù)據(jù)集上的錯誤率,采用十折交叉法驗證線性核函數(shù)的分類準確率,每次留一份數(shù)據(jù)作為測試集,其余數(shù)據(jù)用于訓練模型。模型的參數(shù)對于大批量的惡意代碼檢測能發(fā)揮其優(yōu)越性。

    3 實驗結(jié)果與分析

    3.1 數(shù)據(jù)集

    實驗數(shù)據(jù)中Windows平臺惡意代碼樣本的收集使用網(wǎng)站http:∥virusshare.com[29]以及http:∥www.malware-traffic-analysis.net[30],正常樣本的收集是Windows操作系統(tǒng)中的正常應用程序,且經(jīng)VirusTotal[31]檢測掃描確認無惡意。將分類錯誤的惡意樣本和正確樣本剔除,以保證樣本的純凈。實驗數(shù)據(jù)通過在虛擬環(huán)境Cuckoo Sandbox中模擬運行正常和惡意的樣本,獲取分析報告,提取其API調(diào)用序列。為保證正負樣本比例近似為1∶1,惡意樣本取5 000,正常樣本取4 975,其中70%的樣本用于模型訓練,30%的樣本用于測試,篩選后的數(shù)據(jù)集樣本分布如表1所示。

    表1 數(shù)據(jù)集樣本分布

    3.2 實驗環(huán)境

    本實驗環(huán)境為Ubuntu 16.04 LTS,依托編程語言Python實現(xiàn),運行環(huán)境為PyCharm,算法的實現(xiàn)由TensorFlow深度學習框架完成。其中Cuckoo Sandbox提取API序列運行環(huán)境為Ubuntu 16.10,虛擬機環(huán)境為Windows 7。

    3.3 評價指標

    為分析該模型的惡意代碼檢測效果,本實驗使用以下評價指標來評價模型的效果:準確率(accuracy)、精確率(precision)、召回率(recall)。

    本實驗解決樣本基于深度學習模型的二分類問題,因此實驗結(jié)果會出現(xiàn)以下4種情況:

    TP:正常樣本被算法分類為正常樣本;

    TN:惡意樣本被算法分類為惡意樣本;

    FP:惡意樣本被算法分類為正常樣本;

    FN:正常樣本被算法分類為惡意樣本。

    其混淆矩陣如表2:

    表2 混淆矩陣

    準確率是指輸入到所設計的分類模型中所有數(shù)據(jù)中分類正確的數(shù)據(jù)個數(shù):

    (4)

    精確率是指輸入到所設計的分類模型中分類為正常樣本的數(shù)據(jù)個數(shù)中分類正確的數(shù)據(jù)個數(shù):

    (5)

    召回率是指輸入到所設計的分類模型中真實為正常樣本的數(shù)據(jù)個數(shù)中分類正確的數(shù)據(jù)個數(shù):

    (6)

    3.4 實驗結(jié)果與分析

    為評估設計的模型對惡意代碼檢測任務的有效性以及所提出的設計和設置的影響,包括API序列預處理方法、超參數(shù)設置以及評估所提出模型的性能。

    首先,為在數(shù)據(jù)預處理階段選取更好的網(wǎng)絡輸入矩陣進行預實驗,以此決定編碼后的每個程序中API的個數(shù),以評估所提出的數(shù)據(jù)預處理的效果。經(jīng)統(tǒng)計,每個程序API個數(shù)的平均值為50,去重后的API個數(shù)最大為156。預實驗階段,取不同的API數(shù)據(jù)長度進行實驗,分別取30、50、70、90、120、150,通過準確性評估訓練后的模型。結(jié)果如圖4。

    圖4 API個數(shù)取值對準確率的影響

    由圖4可知,當API的個數(shù)取到50及以上實驗結(jié)果趨于平緩,且API個數(shù)為50時預實驗效果最好,這表明當每一個程序里的API個數(shù)取到50時,模型能學習到更多的特征,可以有效地提高此模型的性能,同時保證了模型效率。因此,在以下所有實驗選取50個API個數(shù)作為模型輸入。

    進行實驗以選擇模型的超參數(shù)值,控制其他變量,通過準確率、每個epoch的用時來評估不同的設置,其中對于重要性較低的超參數(shù)不做討論,結(jié)果如表3所示。

    表3 不同超參數(shù)的影響

    作為深度學習模型中的重要超參數(shù)之一,學習率(lr)對目標函數(shù)收斂到最小值起決定作用。合適時間收斂到局部最小值是選取學習率的標準。如表3所示,當lr取0.001時模型收斂到局部最小值的時間和準確率最佳。batch_size表示模型模塊能夠接受作為輸入的長度,序列越長,分裂越少,但訓練成本卻會增加。如表3所示,尺寸增大至128效果最好。在優(yōu)化器的選擇上Adam的效果和效率均比SGD要高。

    為驗證本文所提1D-CNN-Densenet模型對于惡意代碼檢測的有效性,本文還進行了不同模型的對比實驗,選取SVM、DT、RF 3種傳統(tǒng)的基于機器學習的惡意代碼檢測方法,CNN、LSTM、LSTM- ATT、Ghostnet 4種深度學習算法的惡意代碼檢測方法在不改變運行環(huán)境的基礎上,使用同樣的數(shù)據(jù)集對它們進行控制變量的對比試驗,實驗所得的結(jié)果如表4所示。

    表4 不同模型對模型的評價

    上表列出上述模型的檢測準確率、精確率和召回率。模型1~3是基于傳統(tǒng)機器學習算法對文本特征進行分類,模型4~7是基于現(xiàn)有熱門的深度學習算法對文本輸入進行分類的,通過兩組模型對比可以得出結(jié)論,在機器學習算法中隨機森林在3種評價指標中的結(jié)果較穩(wěn)定,但召回率較低,在現(xiàn)有的熱門深度學習算法中添加注意力機制的LSTM模型和Ghostnet模型在3種評價指標中的結(jié)果較穩(wěn)定,但同樣召回率較低,同時可知當使用API調(diào)用序列作為文本特征輸入時,深度學習模型的性能優(yōu)于傳統(tǒng)的機器學習模型。模型8結(jié)果與模型4~7的對比表明了本文設計的模型帶來了可觀的性能改進。從以上結(jié)果可以得出結(jié)論,1D-CNN-Densenet模型具有最高的準確率、精確率、召回率,因此其性能優(yōu)于表中的其他模型。

    4 結(jié)語

    本文針對依賴于循環(huán)神經(jīng)網(wǎng)絡的基于API調(diào)用序列進行惡意代碼檢測存在按序處理長數(shù)據(jù)性能低、消耗時間長,影響檢測效果等問題,提出了一種基于API序列和卷積神經(jīng)網(wǎng)絡的惡意代碼檢測方法,設計了基于1D-CNN-Densenet的網(wǎng)絡模型,通過沙箱動態(tài)提取的惡意代碼特征,編碼處理動態(tài)API調(diào)用序列,輸入到基于1D-CNN-Densenet的網(wǎng)絡模型,學習惡意代碼更深層次的特征,從而進行模型的訓練和測試。從實驗結(jié)果可知,對比傳統(tǒng)的神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡和圖像分類網(wǎng)絡等,在相同惡意代碼數(shù)據(jù)集情況下,1D-CNN-Densenet模型在惡意代碼檢測方面有更高的準確率和效率,性能更好。

    猜你喜歡
    調(diào)用個數(shù)卷積
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    怎樣數(shù)出小正方體的個數(shù)
    核電項目物項調(diào)用管理的應用研究
    等腰三角形個數(shù)探索
    怎樣數(shù)出小木塊的個數(shù)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    LabWindows/CVI下基于ActiveX技術的Excel調(diào)用
    測控技術(2018年5期)2018-12-09 09:04:46
    怎樣數(shù)出小正方體的個數(shù)
    基于傅里葉域卷積表示的目標跟蹤算法
    基于系統(tǒng)調(diào)用的惡意軟件檢測技術研究
    国产黄频视频在线观看| 日韩一区二区视频免费看| 欧美高清性xxxxhd video| 亚洲av在线观看美女高潮| 男人狂女人下面高潮的视频| 国产精品99久久99久久久不卡 | 亚洲欧美成人精品一区二区| 在线免费观看不下载黄p国产| 最近中文字幕高清免费大全6| 偷拍熟女少妇极品色| 国产一区二区亚洲精品在线观看| 欧美日韩视频高清一区二区三区二| 国语对白做爰xxxⅹ性视频网站| 一级av片app| 秋霞伦理黄片| 亚洲精品aⅴ在线观看| 久久99蜜桃精品久久| 男女下面进入的视频免费午夜| 欧美一区二区亚洲| 久久久久网色| 青春草视频在线免费观看| 老司机影院毛片| 久久精品国产自在天天线| 美女xxoo啪啪120秒动态图| av女优亚洲男人天堂| 久久久a久久爽久久v久久| 久久久久国产网址| 男人舔奶头视频| 亚洲内射少妇av| 2021少妇久久久久久久久久久| 日本三级黄在线观看| 成人高潮视频无遮挡免费网站| 亚洲av国产av综合av卡| 久久精品综合一区二区三区| av女优亚洲男人天堂| 久久久久久久亚洲中文字幕| 三级国产精品欧美在线观看| 高清av免费在线| 禁无遮挡网站| 国产色婷婷99| 男女边摸边吃奶| 日本猛色少妇xxxxx猛交久久| 国产亚洲av嫩草精品影院| 中文字幕制服av| 精品少妇黑人巨大在线播放| 日韩不卡一区二区三区视频在线| 亚洲综合精品二区| 精品久久久噜噜| 一级毛片黄色毛片免费观看视频| 日韩制服骚丝袜av| 亚洲欧美清纯卡通| av在线老鸭窝| 国产女主播在线喷水免费视频网站| 免费不卡的大黄色大毛片视频在线观看| 亚洲婷婷狠狠爱综合网| 最近最新中文字幕大全电影3| 日韩欧美一区视频在线观看 | 欧美人与善性xxx| 2022亚洲国产成人精品| 久久人人爽av亚洲精品天堂 | 国产伦理片在线播放av一区| 日本黄大片高清| 18禁裸乳无遮挡动漫免费视频 | 婷婷色麻豆天堂久久| 国产成人福利小说| 少妇人妻精品综合一区二区| 人妻 亚洲 视频| 亚洲色图av天堂| 欧美日韩综合久久久久久| 大陆偷拍与自拍| 亚洲欧美一区二区三区黑人 | 18禁在线无遮挡免费观看视频| 亚洲va在线va天堂va国产| 在线 av 中文字幕| 国产v大片淫在线免费观看| 日本三级黄在线观看| 亚洲在线观看片| 黄色欧美视频在线观看| 免费黄色在线免费观看| 晚上一个人看的免费电影| 久久久久久久久大av| 成年版毛片免费区| 久久久色成人| av在线app专区| 91久久精品国产一区二区成人| 久久热精品热| 国产日韩欧美亚洲二区| 亚洲最大成人手机在线| 日韩在线高清观看一区二区三区| 精品一区二区三卡| 日日摸夜夜添夜夜添av毛片| 卡戴珊不雅视频在线播放| 久久99热这里只频精品6学生| 丰满少妇做爰视频| 欧美xxxx性猛交bbbb| 成年免费大片在线观看| 中文字幕亚洲精品专区| 国产精品久久久久久精品古装| 深夜a级毛片| 身体一侧抽搐| 两个人的视频大全免费| 自拍偷自拍亚洲精品老妇| 久久99蜜桃精品久久| 久久人人爽人人爽人人片va| 最近手机中文字幕大全| 国产久久久一区二区三区| 另类亚洲欧美激情| 午夜免费观看性视频| 中文在线观看免费www的网站| av黄色大香蕉| 青春草视频在线免费观看| 国产探花极品一区二区| 成人免费观看视频高清| 亚洲av欧美aⅴ国产| 日日撸夜夜添| 超碰av人人做人人爽久久| 人妻少妇偷人精品九色| 亚洲欧美一区二区三区国产| 禁无遮挡网站| 亚洲av在线观看美女高潮| 日韩一区二区视频免费看| 高清视频免费观看一区二区| 国产av码专区亚洲av| 亚洲精华国产精华液的使用体验| 成年女人看的毛片在线观看| 久久热精品热| 哪个播放器可以免费观看大片| 亚洲国产av新网站| 久久人人爽人人爽人人片va| 国产精品福利在线免费观看| 成人国产麻豆网| 男女国产视频网站| 婷婷色综合www| 美女视频免费永久观看网站| 亚洲国产精品国产精品| 欧美高清成人免费视频www| 寂寞人妻少妇视频99o| 国产黄频视频在线观看| 国产亚洲午夜精品一区二区久久 | 国产男女超爽视频在线观看| 中文字幕人妻熟人妻熟丝袜美| 赤兔流量卡办理| 午夜日本视频在线| 亚洲精品国产色婷婷电影| 男人爽女人下面视频在线观看| 又黄又爽又刺激的免费视频.| 网址你懂的国产日韩在线| 国产免费一级a男人的天堂| 国产精品一区二区性色av| 免费观看av网站的网址| 国产黄片美女视频| 欧美高清成人免费视频www| 久久久精品免费免费高清| 联通29元200g的流量卡| 国产高清三级在线| 99久久人妻综合| 国产成人精品一,二区| 亚洲精品乱码久久久v下载方式| 亚洲va在线va天堂va国产| 国模一区二区三区四区视频| 超碰av人人做人人爽久久| 18禁在线播放成人免费| 国产一区亚洲一区在线观看| 汤姆久久久久久久影院中文字幕| 激情 狠狠 欧美| 久久影院123| 大片免费播放器 马上看| 免费看日本二区| 国产成人一区二区在线| 人妻夜夜爽99麻豆av| 日韩不卡一区二区三区视频在线| 好男人视频免费观看在线| 极品教师在线视频| 黄色欧美视频在线观看| av天堂中文字幕网| 中文欧美无线码| 一区二区av电影网| 国产免费一区二区三区四区乱码| 涩涩av久久男人的天堂| 免费观看av网站的网址| 日韩大片免费观看网站| 亚洲欧美日韩卡通动漫| 色视频www国产| 伊人久久精品亚洲午夜| 久久久亚洲精品成人影院| av国产免费在线观看| 夫妻午夜视频| 最后的刺客免费高清国语| 国产欧美日韩一区二区三区在线 | 久久久久国产网址| 久久久成人免费电影| 国产精品嫩草影院av在线观看| 免费看不卡的av| 99热国产这里只有精品6| 国产在视频线精品| 不卡视频在线观看欧美| 久久精品综合一区二区三区| 亚洲欧美一区二区三区黑人 | 免费电影在线观看免费观看| 干丝袜人妻中文字幕| 一个人看的www免费观看视频| 久久人人爽人人爽人人片va| 99热这里只有精品一区| av在线观看视频网站免费| videossex国产| 免费看不卡的av| 99久久精品热视频| 国产中年淑女户外野战色| 国产精品99久久久久久久久| 日韩欧美 国产精品| av一本久久久久| 午夜激情福利司机影院| 天天一区二区日本电影三级| 久久久成人免费电影| 午夜福利视频精品| 日本黄色片子视频| 国产午夜精品一二区理论片| 美女脱内裤让男人舔精品视频| 国内揄拍国产精品人妻在线| 国产成人福利小说| videossex国产| 亚洲美女搞黄在线观看| 国产成人精品福利久久| 精品久久久久久久久亚洲| 观看美女的网站| 啦啦啦啦在线视频资源| 你懂的网址亚洲精品在线观看| 久久ye,这里只有精品| 丝瓜视频免费看黄片| 久久精品人妻少妇| 亚洲综合精品二区| 伦理电影大哥的女人| 有码 亚洲区| 成年av动漫网址| 男女边摸边吃奶| 日韩欧美精品免费久久| 欧美激情国产日韩精品一区| 国产一区二区亚洲精品在线观看| 国产亚洲av片在线观看秒播厂| 国产黄色免费在线视频| 能在线免费看毛片的网站| 日日摸夜夜添夜夜添av毛片| 一边亲一边摸免费视频| 涩涩av久久男人的天堂| 日韩精品有码人妻一区| 99热6这里只有精品| 网址你懂的国产日韩在线| 欧美少妇被猛烈插入视频| 精品亚洲乱码少妇综合久久| 日韩中字成人| 午夜激情福利司机影院| 亚洲精品aⅴ在线观看| 国产免费视频播放在线视频| 伦精品一区二区三区| 欧美精品国产亚洲| 极品教师在线视频| 2021天堂中文幕一二区在线观| 毛片女人毛片| 色网站视频免费| 日韩强制内射视频| 男人添女人高潮全过程视频| 中国三级夫妇交换| 欧美成人午夜免费资源| 哪个播放器可以免费观看大片| 下体分泌物呈黄色| 网址你懂的国产日韩在线| 在线观看国产h片| 亚洲在线观看片| 精品国产三级普通话版| 一级av片app| 久久热精品热| 成年人午夜在线观看视频| 伦理电影大哥的女人| 国国产精品蜜臀av免费| 夜夜爽夜夜爽视频| 亚洲美女视频黄频| 特大巨黑吊av在线直播| 国产精品成人在线| 下体分泌物呈黄色| 美女脱内裤让男人舔精品视频| 天美传媒精品一区二区| 中国美白少妇内射xxxbb| 国产成人精品婷婷| 老师上课跳d突然被开到最大视频| 久久国产乱子免费精品| 欧美3d第一页| 国产精品福利在线免费观看| 久久久久性生活片| 国内少妇人妻偷人精品xxx网站| 亚洲高清免费不卡视频| 国产毛片a区久久久久| 国产精品精品国产色婷婷| 欧美97在线视频| 搡女人真爽免费视频火全软件| 国产乱来视频区| 欧美日韩一区二区视频在线观看视频在线 | 国产国拍精品亚洲av在线观看| 欧美极品一区二区三区四区| 国产午夜精品久久久久久一区二区三区| 下体分泌物呈黄色| 看十八女毛片水多多多| 日韩三级伦理在线观看| 男人和女人高潮做爰伦理| 国产精品久久久久久久久免| 欧美日本视频| 日本色播在线视频| av卡一久久| 亚洲三级黄色毛片| av在线观看视频网站免费| 欧美成人a在线观看| 国产成人a区在线观看| 国产极品天堂在线| 91精品伊人久久大香线蕉| 热99国产精品久久久久久7| 嘟嘟电影网在线观看| 大话2 男鬼变身卡| 久久久精品94久久精品| 三级国产精品片| 大陆偷拍与自拍| 青青草视频在线视频观看| 国产探花在线观看一区二区| 黄片wwwwww| 51国产日韩欧美| 色综合色国产| 深爱激情五月婷婷| 99久久精品一区二区三区| 欧美日韩在线观看h| 婷婷色综合www| 人妻制服诱惑在线中文字幕| 国产一区亚洲一区在线观看| 国产精品国产三级国产专区5o| 黄色一级大片看看| 高清日韩中文字幕在线| 高清欧美精品videossex| 亚洲无线观看免费| 97人妻精品一区二区三区麻豆| 王馨瑶露胸无遮挡在线观看| 成人午夜精彩视频在线观看| 国产极品天堂在线| 国产在视频线精品| 免费看不卡的av| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品成人av观看孕妇| 欧美激情久久久久久爽电影| 99久久中文字幕三级久久日本| 国产精品久久久久久精品古装| 99视频精品全部免费 在线| 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 | 最近的中文字幕免费完整| av在线亚洲专区| 午夜福利在线在线| av国产久精品久网站免费入址| 真实男女啪啪啪动态图| 国产精品.久久久| 成人特级av手机在线观看| 中文字幕制服av| av.在线天堂| 狂野欧美激情性xxxx在线观看| 免费看日本二区| 国产免费福利视频在线观看| 亚洲精品久久午夜乱码| 直男gayav资源| 大话2 男鬼变身卡| 观看美女的网站| 新久久久久国产一级毛片| 免费看a级黄色片| 日本一二三区视频观看| 看黄色毛片网站| 日韩精品有码人妻一区| 国产在视频线精品| 国产探花在线观看一区二区| 日韩人妻高清精品专区| 午夜福利视频精品| 小蜜桃在线观看免费完整版高清| 蜜臀久久99精品久久宅男| 青青草视频在线视频观看| 日本一本二区三区精品| 国产精品成人在线| 精品少妇久久久久久888优播| 成人一区二区视频在线观看| 欧美日韩视频精品一区| 97热精品久久久久久| 老女人水多毛片| 亚洲av日韩在线播放| 午夜福利视频精品| 午夜精品一区二区三区免费看| 国产 一区精品| 国产免费视频播放在线视频| 亚洲av成人精品一区久久| 国产极品天堂在线| 国产免费一区二区三区四区乱码| 国产又色又爽无遮挡免| 亚洲成人中文字幕在线播放| 国产成人免费无遮挡视频| 精品久久久久久久人妻蜜臀av| 黄片wwwwww| 韩国av在线不卡| 色网站视频免费| 综合色丁香网| 91精品国产九色| 亚洲av国产av综合av卡| 亚洲欧美日韩卡通动漫| 91狼人影院| 大码成人一级视频| 亚洲国产成人一精品久久久| 国产男女超爽视频在线观看| 成人漫画全彩无遮挡| 蜜桃久久精品国产亚洲av| 婷婷色麻豆天堂久久| 精品久久久久久久末码| 青春草视频在线免费观看| 国产一区二区三区av在线| 国产精品99久久99久久久不卡 | 一个人看的www免费观看视频| 亚洲最大成人av| 99久久人妻综合| 91久久精品电影网| 欧美zozozo另类| 亚洲人成网站在线观看播放| 少妇人妻 视频| 日本黄色片子视频| 男女边摸边吃奶| 成年人午夜在线观看视频| 肉色欧美久久久久久久蜜桃 | 黄色配什么色好看| 国产精品爽爽va在线观看网站| 中文字幕人妻熟人妻熟丝袜美| 永久免费av网站大全| 久久午夜福利片| 另类亚洲欧美激情| 2018国产大陆天天弄谢| 丝袜喷水一区| 精品一区二区免费观看| 成年人午夜在线观看视频| 99精国产麻豆久久婷婷| 午夜免费鲁丝| 男女无遮挡免费网站观看| 国产精品国产三级专区第一集| 亚洲av一区综合| 日韩欧美一区视频在线观看 | 亚洲性久久影院| 国国产精品蜜臀av免费| 99久久人妻综合| 精品人妻视频免费看| 亚洲欧美中文字幕日韩二区| 国产精品.久久久| 黄色怎么调成土黄色| 久久精品熟女亚洲av麻豆精品| 国产极品天堂在线| 欧美亚洲 丝袜 人妻 在线| 日本爱情动作片www.在线观看| 赤兔流量卡办理| 国产爽快片一区二区三区| 2022亚洲国产成人精品| 大香蕉97超碰在线| 特级一级黄色大片| 一边亲一边摸免费视频| 国产大屁股一区二区在线视频| 久久精品人妻少妇| 麻豆成人午夜福利视频| 国产精品.久久久| 青春草亚洲视频在线观看| 日韩欧美一区视频在线观看 | 丝袜喷水一区| 日韩不卡一区二区三区视频在线| 欧美日韩亚洲高清精品| 精品人妻视频免费看| 五月天丁香电影| 99视频精品全部免费 在线| 午夜福利视频精品| 亚洲国产日韩一区二区| 国产一区二区亚洲精品在线观看| 天堂网av新在线| 精品久久久久久电影网| a级毛色黄片| freevideosex欧美| 国产中年淑女户外野战色| 边亲边吃奶的免费视频| 少妇猛男粗大的猛烈进出视频 | 精品久久久久久电影网| 18禁动态无遮挡网站| 国产 一区精品| 如何舔出高潮| 欧美日韩视频精品一区| 男插女下体视频免费在线播放| 精品国产一区二区三区久久久樱花 | 成人免费观看视频高清| 日本av手机在线免费观看| 国产精品不卡视频一区二区| 亚洲内射少妇av| 精品久久久噜噜| 一级片'在线观看视频| 日本一本二区三区精品| 国产精品久久久久久精品电影| 九九爱精品视频在线观看| 2021天堂中文幕一二区在线观| 精品人妻熟女av久视频| 久久久久久九九精品二区国产| 下体分泌物呈黄色| 在线a可以看的网站| 六月丁香七月| 成年版毛片免费区| 亚洲色图综合在线观看| 色综合色国产| 国产高清有码在线观看视频| 一个人看视频在线观看www免费| 国产精品精品国产色婷婷| 在线播放无遮挡| 18禁在线播放成人免费| 日日摸夜夜添夜夜添av毛片| 欧美日韩视频高清一区二区三区二| 少妇的逼水好多| 日韩av免费高清视频| 在线观看一区二区三区激情| 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 | 亚洲电影在线观看av| 欧美xxxx黑人xx丫x性爽| 99视频精品全部免费 在线| 18禁在线无遮挡免费观看视频| 国产毛片a区久久久久| 一二三四中文在线观看免费高清| 久久久久久久久久成人| 国产高清有码在线观看视频| 国产精品.久久久| 好男人视频免费观看在线| 大香蕉久久网| 亚洲国产精品成人综合色| 在线a可以看的网站| av在线天堂中文字幕| 国产成人一区二区在线| 欧美日韩视频高清一区二区三区二| 成人高潮视频无遮挡免费网站| 一级毛片电影观看| 亚洲国产精品999| 日本av手机在线免费观看| 国产精品一区二区三区四区免费观看| 日日摸夜夜添夜夜爱| 国产高清不卡午夜福利| 最近手机中文字幕大全| 国产熟女欧美一区二区| 99久国产av精品国产电影| 国产免费福利视频在线观看| 午夜爱爱视频在线播放| av网站免费在线观看视频| 少妇 在线观看| 国产午夜精品久久久久久一区二区三区| 婷婷色av中文字幕| 欧美bdsm另类| 国产v大片淫在线免费观看| 菩萨蛮人人尽说江南好唐韦庄| 99热这里只有是精品50| 国产男女内射视频| 午夜免费男女啪啪视频观看| 久久久精品欧美日韩精品| 麻豆成人av视频| 一二三四中文在线观看免费高清| 亚洲欧美日韩东京热| 欧美成人一区二区免费高清观看| 网址你懂的国产日韩在线| 国产成人免费无遮挡视频| 亚洲国产高清在线一区二区三| 在现免费观看毛片| 欧美精品一区二区大全| 亚洲人与动物交配视频| 街头女战士在线观看网站| 99久久人妻综合| av又黄又爽大尺度在线免费看| 国产午夜精品一二区理论片| 午夜免费鲁丝| 国产白丝娇喘喷水9色精品| 亚洲国产最新在线播放| 午夜福利在线观看免费完整高清在| 亚洲人与动物交配视频| 男人舔奶头视频| 晚上一个人看的免费电影| 免费av毛片视频| 午夜精品一区二区三区免费看| 久久久久久久午夜电影| 内射极品少妇av片p| 国产成人免费无遮挡视频| 亚洲电影在线观看av| 国产人妻一区二区三区在| 国产精品偷伦视频观看了| 99久久人妻综合| 国产成年人精品一区二区| 亚洲av中文字字幕乱码综合| 中国国产av一级| av在线亚洲专区| 日本免费在线观看一区| 好男人在线观看高清免费视频| 午夜福利网站1000一区二区三区| 亚洲成人久久爱视频| 久久99精品国语久久久| 精品99又大又爽又粗少妇毛片| 成人国产麻豆网| 最近最新中文字幕大全电影3| 国产精品一及| 联通29元200g的流量卡| 欧美日韩综合久久久久久| 18禁在线无遮挡免费观看视频| 国产高潮美女av| 三级国产精品片| 最新中文字幕久久久久| 黄色欧美视频在线观看| 久久久精品94久久精品| 黄色欧美视频在线观看| 我的女老师完整版在线观看| 亚洲在线观看片| 亚洲av电影在线观看一区二区三区 | 人妻一区二区av| 青青草视频在线视频观看| 精品酒店卫生间| 毛片女人毛片| 中文字幕av成人在线电影| 国产精品一二三区在线看|