• <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 ?

    基于信息熵的異常數(shù)據(jù)判別方法

    2023-10-18 12:44:06楊亞琦李博雄楊東霞
    科學(xué)技術(shù)創(chuàng)新 2023年24期
    關(guān)鍵詞:香農(nóng)因變量信息熵

    楊亞琦,李博雄,楊東霞,劉 燕

    (1.云南省市場監(jiān)督管理局信息中心,云南 昆明;2.昆明學(xué)院信息工程學(xué)院,云南 昆明;3.云南省高校數(shù)據(jù)治理與智能決策重點實驗室,云南 昆明;4.云南省信息技術(shù)發(fā)展中心,云南 昆明)

    引言

    近年來,我國已將“數(shù)字經(jīng)濟”列入國家發(fā)展戰(zhàn)略,黨的十九屆四中全會首次將“數(shù)據(jù)”列為生產(chǎn)要素,充分凸顯了數(shù)據(jù)在經(jīng)濟活動和社會活動中的巨大價值。數(shù)字經(jīng)濟時代,在海量數(shù)據(jù)中進行數(shù)據(jù)挖掘尤為重要。異常數(shù)據(jù)檢測判別能提升數(shù)據(jù)的質(zhì)量,有助于挖掘出數(shù)據(jù)的潛在價值,成為數(shù)據(jù)治理領(lǐng)域一項重要工作。在眾多數(shù)據(jù)判別模型[4]中,邏輯回歸模型以泛化能力強、算法簡單高效而得到了廣泛應(yīng)用。

    祝政等[1]以邏輯回歸模型對奶牛行為進行研究,其奶牛行為姿態(tài)判別的準確率較高。張黎等[2]以二元邏輯回歸模型對我國農(nóng)業(yè)上市公司財務(wù)危機進行研究,對公司財務(wù)危機的總體預(yù)測正確率近九成。劉成圓[3]以邏輯回歸模型對專利質(zhì)量評估體系構(gòu)建進行建模,其全領(lǐng)域和化學(xué)領(lǐng)域獲獎預(yù)測準確率較低。在傳統(tǒng)邏輯回歸模型中,因為結(jié)構(gòu)簡單,很難擬合復(fù)雜數(shù)據(jù)的真實分布。且很難處理數(shù)據(jù)不平衡的問題,如果正負樣本的比例差距較大,模型區(qū)分能力不會很好。在韋婷婷[4]等對中文專利關(guān)鍵詞抽取研究中,利用LSTM神經(jīng)網(wǎng)絡(luò)(LSTM神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)的一種變體)改進邏輯回歸模型,準確率有所提升,但模型泛化能力較弱,不適用于其他類型的判別。因此,一種泛化能力強且準確率高的異常數(shù)據(jù)判別模型有很大的研究價值。

    1948 年,香農(nóng)提出了“信息熵”的概念。但熵這一概念并不是香農(nóng)首先提出的,最早提出熵這一概念的是物理學(xué)家克勞修斯,他提出一種熱力學(xué)系統(tǒng)的狀態(tài)函數(shù),將其稱之為熱熵,也稱作熵。香農(nóng)在研究所得的式子在數(shù)學(xué)層面上與熱熵完全相同,所以香農(nóng)也將其稱之為熵,一般稱為信息熵或香農(nóng)熵。一條信息所含有的信息量的多少和它的不確定性有緊密聯(lián)系,可以理解為,信息量的度量等于不確定性的多少也等于信息熵。變量的不確定性越大,熵也就越大。對于任意一個隨機變量x,x 事件發(fā)生概率為P(x),它的熵H(X)定義如公式(1)所示。

    信息熵實踐應(yīng)用于多個學(xué)科領(lǐng)域,其應(yīng)用范圍非常廣泛。起初,科學(xué)家試圖用信息熵概念來解決心理學(xué)、生理學(xué)等學(xué)科許多未能解決的問題。自信息熵提出后二十年,信息論推廣到生物學(xué)和神經(jīng)生物學(xué)。隨著計算機逐漸發(fā)展,通訊能力極大提高,信息熵的概念得到了學(xué)者的極大重視。施魯?shù)佟に_斯瓦特(Sarswat Shruti)[9]香農(nóng)熵對e-C60 散射的共振狀態(tài)進行了標桿化。計算了e-C60 散射的共振波函數(shù)、總截面、部分截面和散射相移, 以考察共振引起的局域特性。

    在“數(shù)據(jù)治理”中,也可利用信息熵[10]的思想,一條信息的信息量與它的不確定性有直接關(guān)系,如果要搞清楚該數(shù)據(jù),需要了解的信息越多,其信息熵就越大。所以,利用信息熵思想來判別數(shù)據(jù)是否是異常數(shù)據(jù)是一項很重要的工作。

    針對以上研究現(xiàn)狀,本文設(shè)計了一種泛化能力強,適用于大部分領(lǐng)域的判別模型,并通過實驗驗證了該判別方法的有效性。

    1 傳統(tǒng)邏輯回歸判別模型

    本文提出的異常數(shù)據(jù)判別算法,主要使用邏輯算法模型將數(shù)據(jù)轉(zhuǎn)化為概率值在[0,1]的概率問題后選擇切割閾值對概率值進行切割,切割值大于概率值則判別為正常數(shù)據(jù),切割值小于概率值則判別為異常數(shù)據(jù),從而判別數(shù)據(jù)是否正常。尋找判別準確率最高的切割值作為最優(yōu)切割值并用于對測試集進行測試,測試所得的準確率即為該異常數(shù)據(jù)判別方法[13]的準確率。

    基于邏輯回歸的異常數(shù)據(jù)判別算法,其特征在于把需要判別的數(shù)據(jù)對象定義為N,N=(N1,N2,…,Nm),把與數(shù)據(jù)集N 同類型且已知是非為異常的數(shù)據(jù)對象定義為X,X=(X1,X2,…,Xn)。n、m 為數(shù)據(jù)集包含的元素個數(shù),Xi為數(shù)據(jù)集X 中的第i 個元素,Yj為數(shù)據(jù)集Y中第j 個元素。

    假設(shè)對于數(shù)據(jù)Xi,因變量Ai的輸出值為1,即數(shù)據(jù)Xi為異常數(shù)據(jù);同理數(shù)據(jù)Xi的因變量的輸出值為0,即數(shù)據(jù)Xi為正常數(shù)據(jù);解釋變量為Xi,Ai與Xi之間的關(guān)系由概率P(Ai=1)來解釋。因此概率P(Ai=1)定義如公式(2)所示:

    其中ai是Xi的線性模型的估計值,ε是隨機變量誤差值。

    通過轉(zhuǎn)換公式(2),可以得到公式(3)

    使用邏輯回歸轉(zhuǎn)換,可以得到邏輯回歸模型,如公式(4)所示:

    因此,因變量Ai可以表示為公式(5):

    其中,p 為切割值,在取值范圍[0,1],以步長為0.001 取1000 個切割值。將不同切割值p 下因變量Ai與該條數(shù)據(jù)是否正常進行對比,使用邏輯回歸判別為正常數(shù)據(jù)且真實數(shù)據(jù)也為正常數(shù)據(jù)則判別正確,同理判別為異常數(shù)據(jù)且真實數(shù)據(jù)也為異常數(shù)據(jù)則判別正確,其余判別結(jié)果與真實數(shù)據(jù)對比則為判別錯誤。統(tǒng)計不同切割值p 下判別的準確率,選擇最優(yōu)切割值時對應(yīng)的最優(yōu)判別準確率作為邏輯回歸模型判別算法的準確率。

    2 基于信息熵改進的判別方法

    由上述基于邏輯回歸的異常數(shù)據(jù)判別算法[7]可以算出邏輯回歸模型判別算法的準確率,至此本文提出一種基于信息熵的異常數(shù)據(jù)判別算法改進。依然假設(shè)對于數(shù)據(jù)Xi,因變量Bi的輸出值為1,即數(shù)據(jù)Xi為異常數(shù)據(jù);同理數(shù)據(jù)Xi的因變量的輸出值為0,即數(shù)據(jù)Xi為正常數(shù)據(jù);解釋變量為Xi,Bi與Xi之間的關(guān)系由P(Bi=1)來解釋。因此概率P(Bi=1)定義如公式(6):

    其中ai是Xi的線性模型的估計值,ε是隨機變量誤差值。

    通過轉(zhuǎn)換公式(6),可以得到

    使用邏輯回歸轉(zhuǎn)換,可以得到邏輯回歸模型,如公式(8)所示:

    通過公式(8)可將數(shù)據(jù)的子特征轉(zhuǎn)化為一個取值范圍在[0.1]的概率,即可求得P(Bi=1),利用香農(nóng)公式(公式(9)),計算數(shù)據(jù)Xi通過邏輯回歸模型所求概率的信息熵。

    至此用一個取值范圍為[0,1]步長為0.001 的切割值p 來切割信息熵P(Bi=1)。當(dāng)切割值p 大于信息熵P(Bi=1),則判別為正常數(shù)據(jù),反之則判別為異常數(shù)據(jù)。用公式(10)表示。

    將不同切割值p 下因變量Bi與該條數(shù)據(jù)是否正常進行對比,使用基于信息熵的異常數(shù)據(jù)判別算法判別為正常數(shù)據(jù)且真實數(shù)據(jù)也為正常數(shù)據(jù)則判別正確,同理判別為異常數(shù)據(jù)且真實數(shù)據(jù)也為異常數(shù)據(jù)則判別正確,其余判別結(jié)果與真實數(shù)據(jù)對比則為判別錯誤。計算切割值p 下判別的準確率,確定判別準確率作為基于信息熵的異常數(shù)據(jù)判別算法的準確率。

    由此可統(tǒng)計出基于邏輯回歸的異常數(shù)據(jù)判別算法的準確率和基于信息熵的異常數(shù)據(jù)判別算法的準確率。

    3 判別算法

    對于已經(jīng)知道數(shù)據(jù)結(jié)果的作為訓(xùn)練集X,與訓(xùn)練集X 同類型但不知道數(shù)據(jù)結(jié)果的數(shù)據(jù)作為測試集Y。訓(xùn)練集和測試集中以[0,1]作為因變量,0 代表正常數(shù)據(jù),1 代表異常數(shù)據(jù)。當(dāng)數(shù)據(jù)的信息熵大于切割值時判別為正常數(shù)據(jù),小于切割值時判別為異常數(shù)據(jù)。

    算法一:基于信息熵的判別算法

    輸入:訓(xùn)練集X、測試集Y

    輸出:測試集Y 的判別結(jié)果

    步驟一:選取訓(xùn)練集X 中的子特征計算邏輯回歸概率。

    步驟二:選取最優(yōu)切割值來切割數(shù)據(jù)集中邏輯回歸概率。

    步驟三:利用香農(nóng)公式計算邏輯回歸概率的信息熵。

    步驟四:利用經(jīng)過香農(nóng)公式計算信息熵后的最優(yōu)切割值對測試集Y 進行判別。

    步驟五:輸出測試集Y 的判別結(jié)果。

    以訓(xùn)練集X 和測試集Y 作為輸入,輸出測試集Y的判別結(jié)果。定義邏輯回歸公式和香農(nóng)定理公式,對每一個數(shù)據(jù)計算其邏輯回歸概率再計算信息熵。再次對計算結(jié)果進行讀入,使用切割值進行切割,當(dāng)一條數(shù)據(jù)的信息熵大于切割值時即可判別為正常數(shù)據(jù),小于切割值時判別為異常數(shù)據(jù)。尋找一個判別準確率最高的切割值為最優(yōu)切割值,并將最優(yōu)切割值切割結(jié)果作為測試集Y 的判別結(jié)果。

    假設(shè)訓(xùn)練集X 中的數(shù)據(jù)條數(shù)為n,測試集Y 中的數(shù)據(jù)條數(shù)為m。每次循環(huán)都需要進行全部讀取,因此算法中時間復(fù)雜度為O(n2),空間復(fù)雜度為O(n×m)。算法實現(xiàn)了在訓(xùn)練集中尋找最優(yōu)切割值并用最優(yōu)切割值對測試集Y 進行判別。

    4 實驗

    本文以CIC-IDS2017 數(shù)據(jù)集中DDoS 攻擊數(shù)據(jù)為例[8]。CIC-IDS2017 數(shù)據(jù)集中的DDos 攻擊數(shù)據(jù)一個有225745 條數(shù)據(jù)(其中,Lable 為BENIGN 的數(shù)據(jù)為97718 條,標記為“0”,Label 為DDos 的數(shù)據(jù)為128027條,標記為“1”),選擇一半數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集N尋找最優(yōu)切割值,并選取另一半數(shù)據(jù)集作為測試數(shù)據(jù)集M并判別算法的準確率。

    針對測試數(shù)據(jù)集N,選取Bwd 包長度標準(Bwd Packet Length Std)、平均包大?。ˋverage Packet Size)、流持續(xù)時間(Flow Duration)和流量標準(Flow IAT Std)這4 個特征行為作為解釋變量,以Label 列數(shù)據(jù)作為因變量,對這5 列數(shù)據(jù)進行回歸分析,得出回歸系數(shù):α1=-7.86529E-09,α2=0.000171636,α3=3.11E-08,α4=-2.31371E-05,ε=0.365008007。然后,利用邏輯回歸模型,把以上數(shù)據(jù)帶入公式(2),可以計算出P(Ai=1)的值,接著,切割值pi在[0,1]之間由小到大取值,取步長為0.01,帶入公式(5),計算出每個切割值p所對應(yīng)的準確率。準確率與切割值的關(guān)系如圖1 所示。

    圖1 基于邏輯回歸的異常數(shù)據(jù)判別方法各切割值的準確率

    由圖1 可以看出,當(dāng)取切割值p=0.6 時得出最優(yōu)準確率85.62%。

    利用香農(nóng)公式求信息熵改進后邏輯回歸模型求出測試數(shù)據(jù)集里每條數(shù)據(jù)的信息熵P(Bi=1),接著,將基于邏輯回歸異常數(shù)據(jù)判別算法的最優(yōu)切割值帶入香農(nóng)公式計算后所得的信息熵作為切割值p,帶入公式(7),計算出切割值p 的信息熵為0.447。將切割值的信息熵0.447 作為切割值用于切割每條數(shù)據(jù)的信息熵P(Bi=1),統(tǒng)計加入信息熵后的判別準確率為86.68%。

    為了驗證0.447 作為切割值切割各個數(shù)據(jù)的信息熵P(Bi=1)后的準確率是否為最優(yōu)準確率,將準確率與各個切割值的關(guān)系如圖2 所示。

    圖2 基于信息熵的異常數(shù)據(jù)判別方法各切割值的準確率

    由圖2 可以看出當(dāng)切割值為0.447 時取基于信息熵的異常數(shù)據(jù)判別算法的最優(yōu)準確率86.68%。將對于CIC-IDS2017 數(shù)據(jù)集的各個測試模型進行對比(見表1)。

    表1 對于CIC-IDS2017 數(shù)據(jù)集的測試模型評價

    此時可以本作品提出的異常數(shù)據(jù)改進方法比傳統(tǒng)邏輯回歸模型的準確率提高了1.02%,證明了本作品的改進方法準確率比單純的邏輯回歸模型得到了提高。本文同樣對比了在同一數(shù)據(jù)集中其他算法模型的準確率,對比結(jié)果中僅有BI-LSTM-GMM 模型對CIC-IDS2017 中DDoS 數(shù)據(jù)集比本文設(shè)計的判別算法準確率高0.12%。但BI-LSTM-GMM的模型復(fù)雜度為O(nm+n2+n)其中n 為hidden_size,m 為input_size。而本文設(shè)計方法的模型復(fù)雜度為O(f+1)其中f 為特征數(shù)量。在模型復(fù)雜度上基于信息熵的判別方法明顯優(yōu)于BI-LSTM-GMM,同時從判別準確率上看效果相差不大。整體上本文設(shè)計的基于信息熵的判別方法較優(yōu)。

    5 結(jié)論

    本文提出一種基于信息熵的異常數(shù)據(jù)判別方法,采用香農(nóng)公式計算信息熵,綜合提供了邏輯回歸模型的異常數(shù)據(jù)判別方法的準確率。在以CIC-IDS2017 數(shù)據(jù)集中DDoS 攻擊數(shù)據(jù)為測試案例中,選取Bwd Packet Length Std、Average Packet Size、Flow Duration和Flow IAT Std 這4 個特征行為作為解釋變量,以Label 列數(shù)據(jù)作為因變量。使用基于邏輯回歸的異常數(shù)據(jù)判別方法在切割值為0.6 時取最優(yōu)準確率,其值為85.62%,使用基于信息熵的異常數(shù)據(jù)判別方法在切割值為0.447 時取最優(yōu)準確率,其值為86.68%。由此可以證明本文提出改進的異常數(shù)據(jù)判別方法準確率較原邏輯回歸異常數(shù)據(jù)判別方法得到了提升。

    本文的研究對異常數(shù)據(jù)判別方法提出了合理的改進,為“數(shù)據(jù)治理”工作打下了更加深厚的基礎(chǔ)。當(dāng)然本文提出的改進算法僅使用了CIC-IDS2017 數(shù)據(jù)集中DDoS 攻擊數(shù)據(jù)作為測試案例,后續(xù)研究將更關(guān)注于在邏輯回歸模型中加入香農(nóng)公式求信息熵這一方法提高判別準確率的數(shù)學(xué)原理,并加大對其他數(shù)據(jù)集測試效果的研究。

    猜你喜歡
    香農(nóng)因變量信息熵
    基于信息熵可信度的測試點選擇方法研究
    調(diào)整有限因變量混合模型在藥物經(jīng)濟學(xué)健康效用量表映射中的運用
    中國藥房(2022年7期)2022-04-14 00:34:30
    大衛(wèi),不可以
    適應(yīng)性回歸分析(Ⅳ)
    ——與非適應(yīng)性回歸分析的比較
    基于信息熵的實驗教學(xué)量化研究
    電子測試(2017年12期)2017-12-18 06:35:48
    偏最小二乘回歸方法
    校園恩仇錄:小混混和易拉罐女王的故事
    一種基于信息熵的雷達動態(tài)自適應(yīng)選擇跟蹤方法
    艾米麗的呼嚕
    基于信息熵的IITFN多屬性決策方法
    久久99热6这里只有精品| 日日撸夜夜添| 国产老妇女一区| 欧美变态另类bdsm刘玥| 久久久久久久久久久丰满| 最近的中文字幕免费完整| 男人和女人高潮做爰伦理| 大香蕉97超碰在线| 一区二区三区免费毛片| 少妇猛男粗大的猛烈进出视频 | 男女边摸边吃奶| 三级国产精品欧美在线观看| 国产老妇女一区| 免费av不卡在线播放| 色综合色国产| 搞女人的毛片| 久久久久久久久久成人| 伦精品一区二区三区| 国产成人精品福利久久| 人妻制服诱惑在线中文字幕| 免费看光身美女| 免费无遮挡裸体视频| 久久久久久久久久成人| 99re6热这里在线精品视频| 久久精品国产亚洲av涩爱| 久久久久免费精品人妻一区二区| 日日摸夜夜添夜夜添av毛片| 亚洲精华国产精华液的使用体验| 秋霞伦理黄片| 欧美日本视频| 国产精品不卡视频一区二区| 久久亚洲国产成人精品v| 人人妻人人看人人澡| 精品国内亚洲2022精品成人| 中文字幕久久专区| 青春草视频在线免费观看| 国产午夜精品一二区理论片| 欧美激情国产日韩精品一区| 亚洲精品456在线播放app| 久久久久九九精品影院| 欧美xxxx黑人xx丫x性爽| 午夜福利视频精品| 午夜福利在线观看吧| 五月天丁香电影| 简卡轻食公司| 国产精品美女特级片免费视频播放器| 久久韩国三级中文字幕| 国产av在哪里看| 99九九线精品视频在线观看视频| www.色视频.com| 夫妻午夜视频| 久久人人爽人人爽人人片va| 国产精品av视频在线免费观看| 日本与韩国留学比较| av国产免费在线观看| 亚洲av中文av极速乱| 久久国产乱子免费精品| 丰满人妻一区二区三区视频av| 2018国产大陆天天弄谢| 99九九线精品视频在线观看视频| 亚洲国产最新在线播放| 国产精品熟女久久久久浪| 一个人观看的视频www高清免费观看| 18禁裸乳无遮挡免费网站照片| 国产精品一区www在线观看| 国产精品国产三级国产专区5o| 狠狠精品人妻久久久久久综合| 久久久久久久亚洲中文字幕| 精品久久久噜噜| 日韩电影二区| 国产伦一二天堂av在线观看| 久久久久久久久久久免费av| 国内精品美女久久久久久| 天天躁夜夜躁狠狠久久av| 哪个播放器可以免费观看大片| 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 | 久久久久精品性色| 久久久久性生活片| 久久久久久久国产电影| 又爽又黄a免费视频| 成人美女网站在线观看视频| 久久久欧美国产精品| 联通29元200g的流量卡| 日韩欧美一区视频在线观看 | 汤姆久久久久久久影院中文字幕 | 日韩av在线大香蕉| 丰满少妇做爰视频| 日韩亚洲欧美综合| 简卡轻食公司| 如何舔出高潮| 免费黄频网站在线观看国产| 国产淫语在线视频| 91精品一卡2卡3卡4卡| 久久久久久久久久人人人人人人| 中文字幕av成人在线电影| 日本色播在线视频| 精品一区二区免费观看| 亚洲精品国产成人久久av| 嫩草影院新地址| 亚洲四区av| 成人鲁丝片一二三区免费| 国产一区有黄有色的免费视频 | 国产三级在线视频| 国产成人91sexporn| 又粗又硬又长又爽又黄的视频| 日韩强制内射视频| 天天躁日日操中文字幕| 高清欧美精品videossex| 人妻系列 视频| 久久久久久久久久久丰满| 国产欧美日韩精品一区二区| 国内精品一区二区在线观看| 国产午夜福利久久久久久| 日韩人妻高清精品专区| 日本与韩国留学比较| 国产一区亚洲一区在线观看| 激情五月婷婷亚洲| 在线观看免费高清a一片| 国产片特级美女逼逼视频| 又爽又黄无遮挡网站| 三级国产精品欧美在线观看| 精品国产一区二区三区久久久樱花 | 亚洲人成网站在线播| 青春草视频在线免费观看| 日韩,欧美,国产一区二区三区| 欧美日韩一区二区视频在线观看视频在线 | 男人狂女人下面高潮的视频| 日韩欧美国产在线观看| 久久精品国产亚洲av涩爱| 身体一侧抽搐| 最新中文字幕久久久久| 久久久久久国产a免费观看| av在线播放精品| 国产人妻一区二区三区在| 亚洲精品乱码久久久v下载方式| 99久久精品一区二区三区| 搞女人的毛片| 99视频精品全部免费 在线| 男女啪啪激烈高潮av片| 热99在线观看视频| av一本久久久久| 久久久久久伊人网av| 国产亚洲av片在线观看秒播厂 | 热99在线观看视频| 婷婷色av中文字幕| 精品欧美国产一区二区三| 午夜日本视频在线| 寂寞人妻少妇视频99o| 日韩,欧美,国产一区二区三区| 亚洲精品乱码久久久久久按摩| 国产精品国产三级专区第一集| 99久久中文字幕三级久久日本| 日本爱情动作片www.在线观看| 精品人妻熟女av久视频| 国产在视频线在精品| 亚洲在久久综合| 国产爱豆传媒在线观看| 日韩大片免费观看网站| 免费观看性生交大片5| 成人性生交大片免费视频hd| 中文字幕免费在线视频6| 91精品一卡2卡3卡4卡| 国产免费一级a男人的天堂| 亚洲精品成人久久久久久| 夫妻午夜视频| 一区二区三区乱码不卡18| 亚洲精品中文字幕在线视频 | 日韩三级伦理在线观看| 亚洲国产欧美在线一区| 国产高清有码在线观看视频| 非洲黑人性xxxx精品又粗又长| 久久久久久久亚洲中文字幕| 亚洲欧美日韩东京热| 国内少妇人妻偷人精品xxx网站| 最近最新中文字幕免费大全7| 免费大片18禁| 日本欧美国产在线视频| 国产一级毛片在线| 欧美变态另类bdsm刘玥| 亚洲欧美精品自产自拍| 久久精品国产自在天天线| a级毛片免费高清观看在线播放| 春色校园在线视频观看| 亚洲久久久久久中文字幕| 小蜜桃在线观看免费完整版高清| 色综合色国产| 日产精品乱码卡一卡2卡三| 亚洲自偷自拍三级| 一二三四中文在线观看免费高清| 亚洲成人久久爱视频| 伊人久久国产一区二区| 亚洲无线观看免费| 国产免费福利视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 搡老乐熟女国产| 99久国产av精品国产电影| 亚洲精品乱码久久久v下载方式| 日日摸夜夜添夜夜添av毛片| 永久免费av网站大全| 99久久中文字幕三级久久日本| 日韩av在线大香蕉| 国产精品伦人一区二区| 18+在线观看网站| 你懂的网址亚洲精品在线观看| 欧美日韩精品成人综合77777| 免费大片18禁| 欧美xxxx性猛交bbbb| 亚洲国产精品国产精品| 久久鲁丝午夜福利片| 亚洲精品久久久久久婷婷小说| 久久久久久国产a免费观看| 日本欧美国产在线视频| 日日啪夜夜爽| 国产精品.久久久| 国产真实伦视频高清在线观看| 国产高清国产精品国产三级 | 两个人的视频大全免费| 色吧在线观看| 毛片一级片免费看久久久久| 精品久久久久久成人av| av国产免费在线观看| 水蜜桃什么品种好| 极品教师在线视频| 欧美+日韩+精品| 亚洲自拍偷在线| 观看美女的网站| 嘟嘟电影网在线观看| 欧美日本视频| 精品人妻偷拍中文字幕| 国产视频首页在线观看| 久久精品国产亚洲网站| 亚洲精华国产精华液的使用体验| 亚洲在久久综合| 日本午夜av视频| 国产精品日韩av在线免费观看| 国产精品嫩草影院av在线观看| 久久久久久久亚洲中文字幕| 成人亚洲精品一区在线观看 | 午夜爱爱视频在线播放| 成人欧美大片| 中文天堂在线官网| 精品午夜福利在线看| 亚洲av免费高清在线观看| 免费人成在线观看视频色| 免费观看av网站的网址| 免费电影在线观看免费观看| 欧美成人一区二区免费高清观看| 日本三级黄在线观看| 九草在线视频观看| 亚洲成人中文字幕在线播放| 校园人妻丝袜中文字幕| 99久国产av精品| 一个人看视频在线观看www免费| av播播在线观看一区| 综合色丁香网| 国产91av在线免费观看| 国产精品不卡视频一区二区| 免费看a级黄色片| or卡值多少钱| 99热这里只有是精品在线观看| 国产伦一二天堂av在线观看| 免费看a级黄色片| 一个人免费在线观看电影| 欧美丝袜亚洲另类| 国产淫语在线视频| 午夜福利网站1000一区二区三区| xxx大片免费视频| 人妻少妇偷人精品九色| 99久久精品一区二区三区| 亚洲欧美精品专区久久| 欧美日韩视频高清一区二区三区二| 婷婷色av中文字幕| 国产精品一区二区三区四区免费观看| 日韩不卡一区二区三区视频在线| 欧美xxxx黑人xx丫x性爽| av在线老鸭窝| 免费观看av网站的网址| 国产精品人妻久久久影院| 最近2019中文字幕mv第一页| 欧美+日韩+精品| 亚洲欧美成人综合另类久久久| 最后的刺客免费高清国语| 欧美97在线视频| freevideosex欧美| 一级二级三级毛片免费看| 最近手机中文字幕大全| 最近的中文字幕免费完整| 久久久久久久久中文| 国产黄频视频在线观看| 中文精品一卡2卡3卡4更新| 一级毛片久久久久久久久女| 国产视频内射| 又爽又黄a免费视频| 免费大片黄手机在线观看| 男女下面进入的视频免费午夜| 男插女下体视频免费在线播放| 国产成人a区在线观看| 欧美精品一区二区大全| 国产精品日韩av在线免费观看| 午夜激情欧美在线| 赤兔流量卡办理| 亚洲精品久久久久久婷婷小说| 一个人免费在线观看电影| 中文字幕亚洲精品专区| 国产成人freesex在线| 精华霜和精华液先用哪个| 在线观看免费高清a一片| 国产高清三级在线| 男女啪啪激烈高潮av片| 一夜夜www| 国产大屁股一区二区在线视频| 三级国产精品欧美在线观看| 九色成人免费人妻av| 99热全是精品| 日本熟妇午夜| 色综合亚洲欧美另类图片| 99久国产av精品国产电影| 97超碰精品成人国产| 亚洲精品日韩av片在线观看| 午夜福利视频精品| 伊人久久国产一区二区| 1000部很黄的大片| 激情 狠狠 欧美| 国产v大片淫在线免费观看| 欧美最新免费一区二区三区| 亚洲精品乱久久久久久| 国产美女午夜福利| 一个人看视频在线观看www免费| 26uuu在线亚洲综合色| 国内精品宾馆在线| 国产欧美日韩精品一区二区| 人人妻人人澡欧美一区二区| 免费观看无遮挡的男女| 乱码一卡2卡4卡精品| 国产黄色免费在线视频| av在线播放精品| 国产高清三级在线| 男女边摸边吃奶| 少妇猛男粗大的猛烈进出视频 | 亚洲精品一区蜜桃| 91久久精品电影网| 免费看美女性在线毛片视频| 秋霞在线观看毛片| 免费无遮挡裸体视频| 一级片'在线观看视频| 水蜜桃什么品种好| 岛国毛片在线播放| 丰满人妻一区二区三区视频av| 97精品久久久久久久久久精品| 日韩在线高清观看一区二区三区| 美女大奶头视频| 人妻制服诱惑在线中文字幕| 国产精品国产三级专区第一集| 日韩强制内射视频| 内地一区二区视频在线| 国产乱人视频| 啦啦啦中文免费视频观看日本| 晚上一个人看的免费电影| 大陆偷拍与自拍| 精品一区二区免费观看| 狂野欧美白嫩少妇大欣赏| 三级经典国产精品| 免费不卡的大黄色大毛片视频在线观看 | 精品一区二区三区视频在线| 伊人久久精品亚洲午夜| 国产 亚洲一区二区三区 | 国产淫片久久久久久久久| 亚洲国产日韩欧美精品在线观看| 亚洲av成人精品一二三区| 最近2019中文字幕mv第一页| 日本熟妇午夜| 777米奇影视久久| 青春草国产在线视频| 人人妻人人澡人人爽人人夜夜 | 精品人妻熟女av久视频| 大香蕉久久网| 亚洲成人精品中文字幕电影| 最近手机中文字幕大全| 中国美白少妇内射xxxbb| 国产精品久久久久久精品电影| 日韩 亚洲 欧美在线| 国产探花极品一区二区| 日日撸夜夜添| 97精品久久久久久久久久精品| 免费大片黄手机在线观看| xxx大片免费视频| 成人二区视频| 精品熟女少妇av免费看| 国产精品精品国产色婷婷| 国产久久久一区二区三区| 男人舔奶头视频| 毛片一级片免费看久久久久| 少妇的逼水好多| 精品一区二区免费观看| 麻豆av噜噜一区二区三区| av专区在线播放| 又大又黄又爽视频免费| 精品一区二区三区视频在线| 一个人看视频在线观看www免费| 亚洲自偷自拍三级| 中文字幕制服av| 中文字幕av成人在线电影| 亚洲高清免费不卡视频| 看黄色毛片网站| 一级毛片 在线播放| 男人狂女人下面高潮的视频| 免费观看在线日韩| 69人妻影院| 欧美变态另类bdsm刘玥| 国产成人91sexporn| 一级av片app| 边亲边吃奶的免费视频| 少妇猛男粗大的猛烈进出视频 | 欧美激情国产日韩精品一区| 国产成人精品婷婷| 国产精品国产三级国产专区5o| 永久网站在线| 久久97久久精品| 亚洲av中文字字幕乱码综合| 哪个播放器可以免费观看大片| 麻豆成人午夜福利视频| 欧美激情久久久久久爽电影| av又黄又爽大尺度在线免费看| 极品教师在线视频| 免费高清在线观看视频在线观看| 亚洲综合精品二区| 九草在线视频观看| 国产高清国产精品国产三级 | 欧美bdsm另类| 国产麻豆成人av免费视频| 亚洲精华国产精华液的使用体验| 久久国产乱子免费精品| 亚洲精品第二区| h日本视频在线播放| 深爱激情五月婷婷| 联通29元200g的流量卡| av国产免费在线观看| 乱系列少妇在线播放| 美女脱内裤让男人舔精品视频| 国产精品精品国产色婷婷| 日韩电影二区| 在线观看人妻少妇| 高清午夜精品一区二区三区| 国产成人福利小说| 免费黄色在线免费观看| 国产欧美日韩精品一区二区| 国产成人91sexporn| 熟妇人妻不卡中文字幕| 亚洲av国产av综合av卡| 毛片女人毛片| 久久久久久久久中文| av又黄又爽大尺度在线免费看| 免费黄网站久久成人精品| 欧美xxⅹ黑人| 大片免费播放器 马上看| 久久精品国产亚洲av涩爱| 舔av片在线| 99热这里只有是精品50| www.色视频.com| 国产久久久一区二区三区| 亚洲自拍偷在线| 最近的中文字幕免费完整| 寂寞人妻少妇视频99o| 国产精品久久视频播放| 国产探花极品一区二区| 激情 狠狠 欧美| 日韩一区二区视频免费看| 99久久中文字幕三级久久日本| 蜜桃亚洲精品一区二区三区| 午夜日本视频在线| 成年人午夜在线观看视频 | 免费av毛片视频| 国产一级毛片在线| 免费高清在线观看视频在线观看| 亚洲精品日本国产第一区| 人体艺术视频欧美日本| 91精品伊人久久大香线蕉| 日韩,欧美,国产一区二区三区| 欧美性感艳星| 97超碰精品成人国产| 麻豆国产97在线/欧美| 亚洲人成网站高清观看| 免费av毛片视频| 狠狠精品人妻久久久久久综合| 97人妻精品一区二区三区麻豆| 国产视频内射| 久久久午夜欧美精品| 久久精品夜色国产| 大话2 男鬼变身卡| 婷婷色综合www| 最近中文字幕2019免费版| 少妇猛男粗大的猛烈进出视频 | 国产男女超爽视频在线观看| 久久99热这里只频精品6学生| 精品少妇黑人巨大在线播放| 国产午夜精品久久久久久一区二区三区| 午夜精品在线福利| 美女脱内裤让男人舔精品视频| 日韩欧美精品免费久久| 国产精品.久久久| 成人午夜高清在线视频| 搞女人的毛片| 观看美女的网站| 搞女人的毛片| 日本av手机在线免费观看| 久久精品国产鲁丝片午夜精品| 精品人妻视频免费看| 国产乱来视频区| 午夜福利高清视频| 亚洲国产精品成人久久小说| 永久网站在线| 成年人午夜在线观看视频 | 亚洲精品色激情综合| 又爽又黄a免费视频| 亚洲怡红院男人天堂| 如何舔出高潮| 欧美日韩精品成人综合77777| 国产单亲对白刺激| 亚洲国产精品sss在线观看| 91精品国产九色| 免费观看a级毛片全部| 欧美 日韩 精品 国产| 精品人妻视频免费看| 国产精品蜜桃在线观看| 日韩一本色道免费dvd| 精品一区二区三区视频在线| 人妻夜夜爽99麻豆av| 精品欧美国产一区二区三| 欧美三级亚洲精品| 能在线免费看毛片的网站| 成年版毛片免费区| 国产高清有码在线观看视频| 97超碰精品成人国产| 成人漫画全彩无遮挡| 亚洲欧美成人精品一区二区| 91久久精品国产一区二区三区| 国产在线男女| 国产精品精品国产色婷婷| 中国美白少妇内射xxxbb| 欧美性感艳星| 中文资源天堂在线| 久久综合国产亚洲精品| 国产伦理片在线播放av一区| 听说在线观看完整版免费高清| 日日摸夜夜添夜夜添av毛片| 美女xxoo啪啪120秒动态图| 久久精品国产亚洲av涩爱| 一级毛片久久久久久久久女| 不卡视频在线观看欧美| 国产免费视频播放在线视频 | 女人十人毛片免费观看3o分钟| kizo精华| 九色成人免费人妻av| 久久久精品免费免费高清| 国产精品女同一区二区软件| 十八禁网站网址无遮挡 | 特大巨黑吊av在线直播| 亚洲av男天堂| 99久久精品一区二区三区| 综合色av麻豆| 日本熟妇午夜| 久久6这里有精品| 一级毛片黄色毛片免费观看视频| 国产精品美女特级片免费视频播放器| 免费看a级黄色片| 别揉我奶头 嗯啊视频| xxx大片免费视频| 尾随美女入室| 一个人观看的视频www高清免费观看| 九九在线视频观看精品| 欧美xxxx性猛交bbbb| 亚洲精品自拍成人| 成人亚洲精品av一区二区| 免费不卡的大黄色大毛片视频在线观看 | 99久久九九国产精品国产免费| 日韩欧美精品免费久久| 三级国产精品欧美在线观看| 韩国高清视频一区二区三区| 婷婷色综合大香蕉| 国产一区有黄有色的免费视频 | 欧美丝袜亚洲另类| 2021天堂中文幕一二区在线观| 亚洲精品成人av观看孕妇| 在线观看一区二区三区| av在线老鸭窝| av在线天堂中文字幕| 欧美最新免费一区二区三区| 日韩亚洲欧美综合| 2021天堂中文幕一二区在线观| 狠狠精品人妻久久久久久综合| 免费av毛片视频| 午夜视频国产福利| 免费大片18禁| 三级男女做爰猛烈吃奶摸视频| 午夜福利视频1000在线观看| 日韩欧美 国产精品| 男人狂女人下面高潮的视频| 久久久久久久久大av| 日韩一区二区视频免费看| 色综合站精品国产| 国产午夜精品论理片| av在线播放精品| 夜夜看夜夜爽夜夜摸| 日韩一区二区三区影片| 看非洲黑人一级黄片| 精品亚洲乱码少妇综合久久| av又黄又爽大尺度在线免费看| 小蜜桃在线观看免费完整版高清| 18禁在线播放成人免费| 岛国毛片在线播放| 春色校园在线视频观看| 久久精品人妻少妇| 欧美成人精品欧美一级黄| 久久99热这里只有精品18| 大又大粗又爽又黄少妇毛片口|