• <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
    久久久久人妻精品一区果冻| 好男人视频免费观看在线| 99九九在线精品视频| 国产亚洲一区二区精品| 高清视频免费观看一区二区| 亚洲av中文av极速乱| 18禁裸乳无遮挡动漫免费视频| 欧美少妇被猛烈插入视频| 国产免费一区二区三区四区乱码| 日日啪夜夜爽| 国产白丝娇喘喷水9色精品| av播播在线观看一区| 少妇的丰满在线观看| 美女福利国产在线| 久久精品久久久久久久性| 在线观看免费视频网站a站| 精品国产一区二区三区久久久樱花| 观看av在线不卡| 亚洲av电影在线观看一区二区三区| a级毛片黄视频| 又黄又爽又刺激的免费视频.| 欧美+日韩+精品| av有码第一页| 精品视频人人做人人爽| 亚洲国产色片| 三上悠亚av全集在线观看| 午夜影院在线不卡| 赤兔流量卡办理| 日韩熟女老妇一区二区性免费视频| 99视频精品全部免费 在线| 伊人亚洲综合成人网| 日韩伦理黄色片| 国产一区亚洲一区在线观看| 成人影院久久| 美女内射精品一级片tv| 亚洲精品中文字幕在线视频| 在线观看一区二区三区激情| 日韩,欧美,国产一区二区三区| 亚洲精品aⅴ在线观看| 欧美+日韩+精品| 免费观看在线日韩| 69精品国产乱码久久久| 国产精品人妻久久久影院| 国产日韩一区二区三区精品不卡| 欧美日韩国产mv在线观看视频| 麻豆乱淫一区二区| 国产xxxxx性猛交| 久久久国产精品麻豆| 中文欧美无线码| 成人国产av品久久久| 久久国产精品大桥未久av| 久久精品人人爽人人爽视色| 大陆偷拍与自拍| 永久网站在线| 亚洲av国产av综合av卡| 国产极品天堂在线| 欧美人与性动交α欧美精品济南到 | 国产精品秋霞免费鲁丝片| 草草在线视频免费看| 国产一区亚洲一区在线观看| 成人影院久久| 亚洲 欧美一区二区三区| 男女边吃奶边做爰视频| 免费av中文字幕在线| www.熟女人妻精品国产 | 欧美3d第一页| 亚洲精品第二区| 嫩草影院入口| av电影中文网址| 亚洲欧美清纯卡通| 一本大道久久a久久精品| 国产精品嫩草影院av在线观看| 在线 av 中文字幕| 麻豆精品久久久久久蜜桃| www日本在线高清视频| 国产亚洲精品久久久com| 国产片特级美女逼逼视频| 老司机亚洲免费影院| 精品第一国产精品| 黄片播放在线免费| 在线观看美女被高潮喷水网站| 中文字幕最新亚洲高清| 天天躁夜夜躁狠狠久久av| 高清视频免费观看一区二区| 国产成人一区二区在线| 十八禁网站网址无遮挡| 亚洲,欧美精品.| 国产午夜精品一二区理论片| 亚洲精品久久久久久婷婷小说| 在线观看国产h片| 最近2019中文字幕mv第一页| 男人添女人高潮全过程视频| 精品亚洲成a人片在线观看| 久久久a久久爽久久v久久| 精品国产一区二区三区久久久樱花| 亚洲国产精品专区欧美| 亚洲国产精品成人久久小说| 人妻一区二区av| 日本午夜av视频| 91精品伊人久久大香线蕉| 男女午夜视频在线观看 | 婷婷色综合www| 青春草视频在线免费观看| 天天躁夜夜躁狠狠久久av| 成人影院久久| 国产在线一区二区三区精| 国产av码专区亚洲av| 各种免费的搞黄视频| 美女国产高潮福利片在线看| h视频一区二区三区| 成人毛片60女人毛片免费| 色哟哟·www| 水蜜桃什么品种好| 精品少妇黑人巨大在线播放| 久久久久精品久久久久真实原创| www日本在线高清视频| 精品一品国产午夜福利视频| 久久99蜜桃精品久久| 看免费av毛片| 在线观看一区二区三区激情| 成人手机av| 久久青草综合色| 亚洲图色成人| 一级片免费观看大全| 久久午夜综合久久蜜桃| 亚洲国产欧美日韩在线播放| 亚洲第一区二区三区不卡| 免费久久久久久久精品成人欧美视频 | 精品一区二区三卡| 国产精品成人在线| 最后的刺客免费高清国语| 巨乳人妻的诱惑在线观看| 1024视频免费在线观看| 91精品伊人久久大香线蕉| av在线老鸭窝| 成人手机av| av卡一久久| 国产日韩欧美在线精品| 大香蕉久久成人网| 毛片一级片免费看久久久久| 亚洲丝袜综合中文字幕| 欧美日韩精品成人综合77777| 丝袜美足系列| 久久毛片免费看一区二区三区| 亚洲天堂av无毛| 美女内射精品一级片tv| 亚洲三级黄色毛片| 久久精品国产自在天天线| 人妻人人澡人人爽人人| 中国美白少妇内射xxxbb| 日韩伦理黄色片| 高清欧美精品videossex| 最新中文字幕久久久久| 又黄又粗又硬又大视频| 国产成人午夜福利电影在线观看| 草草在线视频免费看| 女性被躁到高潮视频| 午夜视频国产福利| 免费观看a级毛片全部| 好男人视频免费观看在线| 久久狼人影院| 久久精品久久久久久噜噜老黄| 夜夜骑夜夜射夜夜干| 午夜免费观看性视频| 久久99蜜桃精品久久| 美女内射精品一级片tv| 国产av一区二区精品久久| 日产精品乱码卡一卡2卡三| 中文字幕av电影在线播放| videos熟女内射| 久久久久久久久久久久大奶| 91在线精品国自产拍蜜月| 丝袜喷水一区| 成人黄色视频免费在线看| 午夜福利影视在线免费观看| 欧美激情国产日韩精品一区| 777米奇影视久久| 一边摸一边做爽爽视频免费| 女人久久www免费人成看片| 日韩中文字幕视频在线看片| 香蕉精品网在线| 日本免费在线观看一区| 久久久久久久精品精品| 女的被弄到高潮叫床怎么办| 日韩,欧美,国产一区二区三区| 亚洲综合色惰| 一级毛片我不卡| 免费黄频网站在线观看国产| 观看av在线不卡| 欧美国产精品va在线观看不卡| 亚洲精品一二三| 视频区图区小说| 国产精品久久久久久精品电影小说| 十八禁网站网址无遮挡| 97在线视频观看| 中文字幕亚洲精品专区| 午夜日本视频在线| 又黄又粗又硬又大视频| 少妇高潮的动态图| 欧美精品av麻豆av| 国产高清三级在线| 亚洲精品,欧美精品| 久久午夜福利片| 少妇被粗大的猛进出69影院 | 青春草国产在线视频| 免费高清在线观看日韩| 男女边吃奶边做爰视频| 久久精品国产亚洲av天美| 日韩一本色道免费dvd| 91精品国产国语对白视频| 国产色婷婷99| 哪个播放器可以免费观看大片| 久久国内精品自在自线图片| 色94色欧美一区二区| 欧美国产精品一级二级三级| 又黄又爽又刺激的免费视频.| 中文欧美无线码| 高清欧美精品videossex| 久久久久久久久久成人| 色吧在线观看| 久久精品久久久久久久性| 肉色欧美久久久久久久蜜桃| av卡一久久| 国产成人午夜福利电影在线观看| 又粗又硬又长又爽又黄的视频| 国产成人欧美| 大话2 男鬼变身卡| 国产av国产精品国产| 精品国产一区二区三区四区第35| 亚洲国产精品专区欧美| 女人被躁到高潮嗷嗷叫费观| 欧美亚洲 丝袜 人妻 在线| 美国免费a级毛片| 国产毛片在线视频| 丰满乱子伦码专区| 国产xxxxx性猛交| 最黄视频免费看| 精品一区二区三区视频在线| 人体艺术视频欧美日本| 国精品久久久久久国模美| 久热这里只有精品99| 搡女人真爽免费视频火全软件| 97人妻天天添夜夜摸| 亚洲经典国产精华液单| 日本爱情动作片www.在线观看| 免费人成在线观看视频色| 国产国语露脸激情在线看| 亚洲欧美一区二区三区国产| 国产免费福利视频在线观看| 久久精品国产综合久久久 | 王馨瑶露胸无遮挡在线观看| 国产一区二区三区综合在线观看 | 国产一区二区三区综合在线观看 | 国产成人精品福利久久| 人人妻人人添人人爽欧美一区卜| 考比视频在线观看| 国产成人精品婷婷| 新久久久久国产一级毛片| 91国产中文字幕| 在现免费观看毛片| 狠狠婷婷综合久久久久久88av| 综合色丁香网| 宅男免费午夜| av一本久久久久| 午夜福利视频在线观看免费| 看非洲黑人一级黄片| 亚洲精品成人av观看孕妇| 日本免费在线观看一区| 久久精品国产综合久久久 | 我要看黄色一级片免费的| 99国产精品免费福利视频| 一级片'在线观看视频| 亚洲伊人色综图| 国产精品无大码| 国产黄色视频一区二区在线观看| 亚洲欧美精品自产自拍| 婷婷色综合www| 岛国毛片在线播放| 日本av手机在线免费观看| 午夜免费观看性视频| 亚洲一级一片aⅴ在线观看| 午夜精品国产一区二区电影| 91aial.com中文字幕在线观看| 久久国内精品自在自线图片| 欧美日韩综合久久久久久| 人人澡人人妻人| 人妻 亚洲 视频| av免费在线看不卡| 熟妇人妻不卡中文字幕| 少妇被粗大猛烈的视频| 久久久久久久大尺度免费视频| 91午夜精品亚洲一区二区三区| 又黄又粗又硬又大视频| 国产熟女欧美一区二区| 一区二区三区乱码不卡18| www.av在线官网国产| 中国国产av一级| 男人添女人高潮全过程视频| 777米奇影视久久| 亚洲精品一区蜜桃| 99香蕉大伊视频| 国产乱来视频区| 国产永久视频网站| 亚洲人与动物交配视频| 日韩av在线免费看完整版不卡| 大香蕉97超碰在线| 亚洲第一区二区三区不卡| 18禁在线无遮挡免费观看视频| 亚洲精品美女久久久久99蜜臀 | 亚洲中文av在线| 免费大片18禁| 亚洲久久久国产精品| 一级毛片电影观看| 午夜视频国产福利| 精品一区在线观看国产| 考比视频在线观看| 亚洲av国产av综合av卡| 秋霞在线观看毛片| 亚洲av国产av综合av卡| 99热全是精品| 18在线观看网站| a 毛片基地| 日本黄大片高清| 亚洲精品国产av成人精品| 国产成人精品在线电影| 亚洲色图综合在线观看| 久久久久国产网址| 久久国产亚洲av麻豆专区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 成人影院久久| 欧美激情 高清一区二区三区| 有码 亚洲区| 免费少妇av软件| 中国三级夫妇交换| 免费黄频网站在线观看国产| 国产欧美另类精品又又久久亚洲欧美| 丝袜喷水一区| 在线观看三级黄色| 国产xxxxx性猛交| 亚洲精品色激情综合| 亚洲少妇的诱惑av| 国产成人91sexporn| 久久人人97超碰香蕉20202| 69精品国产乱码久久久| 成人二区视频| 欧美bdsm另类| 丝瓜视频免费看黄片| 69精品国产乱码久久久| 久久久久久久国产电影| 国产欧美日韩综合在线一区二区| 九九爱精品视频在线观看| 国产黄频视频在线观看| 中文字幕精品免费在线观看视频 | 亚洲国产精品一区三区| 男女午夜视频在线观看 | 狠狠精品人妻久久久久久综合| av播播在线观看一区| 国产亚洲一区二区精品| 国产熟女午夜一区二区三区| 午夜精品国产一区二区电影| 精品国产一区二区久久| 男女午夜视频在线观看 | 国产成人午夜福利电影在线观看| 97在线视频观看| 午夜视频国产福利| 精品第一国产精品| 国产在线视频一区二区| 91精品伊人久久大香线蕉| 日韩熟女老妇一区二区性免费视频| 久久 成人 亚洲| 黄色配什么色好看| 丝袜美足系列| 大陆偷拍与自拍| 国语对白做爰xxxⅹ性视频网站| 99国产综合亚洲精品| 一区二区三区乱码不卡18| 香蕉丝袜av| 中文字幕精品免费在线观看视频 | 国产69精品久久久久777片| 超色免费av| 在线观看www视频免费| 只有这里有精品99| 欧美日韩亚洲高清精品| 菩萨蛮人人尽说江南好唐韦庄| 久久精品国产亚洲av天美| 菩萨蛮人人尽说江南好唐韦庄| 亚洲少妇的诱惑av| 国产男人的电影天堂91| 亚洲人成网站在线观看播放| 精品第一国产精品| 欧美激情极品国产一区二区三区 | 中文字幕人妻丝袜制服| 一区二区三区四区激情视频| 国产淫语在线视频| 日韩伦理黄色片| 另类精品久久| 日韩不卡一区二区三区视频在线| 十八禁高潮呻吟视频| av免费在线看不卡| 成年动漫av网址| 欧美国产精品一级二级三级| 国产成人一区二区在线| 国产免费视频播放在线视频| 亚洲成人av在线免费| 亚洲精品久久午夜乱码| 日韩精品免费视频一区二区三区 | 美女国产高潮福利片在线看| 伊人亚洲综合成人网| 亚洲欧美日韩另类电影网站| 黄片无遮挡物在线观看| 在线亚洲精品国产二区图片欧美| 久久久久久伊人网av| 亚洲少妇的诱惑av| 国产国拍精品亚洲av在线观看| 久久久精品免费免费高清| 男女国产视频网站| 日本黄色日本黄色录像| 18禁在线无遮挡免费观看视频| 熟女电影av网| 久久久久网色| 免费人妻精品一区二区三区视频| 国产欧美日韩一区二区三区在线| 日本vs欧美在线观看视频| 久久久久久久亚洲中文字幕| 激情五月婷婷亚洲| 免费看光身美女| 美女福利国产在线| 永久网站在线| 日韩一区二区三区影片| 久久久久精品久久久久真实原创| 久久久a久久爽久久v久久| 2018国产大陆天天弄谢| 国产伦理片在线播放av一区| 毛片一级片免费看久久久久| 日本黄大片高清| 久久精品夜色国产| 婷婷色综合大香蕉| 狠狠精品人妻久久久久久综合| 美女国产视频在线观看| h视频一区二区三区| 制服人妻中文乱码| 欧美激情极品国产一区二区三区 | 丝袜人妻中文字幕| 18禁动态无遮挡网站| 国产精品秋霞免费鲁丝片| 国产精品麻豆人妻色哟哟久久| 大片电影免费在线观看免费| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 最后的刺客免费高清国语| 久久99一区二区三区| 国产成人一区二区在线| 免费观看性生交大片5| 人人妻人人澡人人爽人人夜夜| 婷婷色综合www| 久久久亚洲精品成人影院| 免费看av在线观看网站| 美女国产视频在线观看| 精品人妻在线不人妻| 黄片播放在线免费| 色网站视频免费| 久久久久精品性色| 欧美日韩视频精品一区| 国产乱人偷精品视频| 国产国拍精品亚洲av在线观看| 国产精品不卡视频一区二区| 毛片一级片免费看久久久久| 成人毛片60女人毛片免费| 青春草国产在线视频| 国产国语露脸激情在线看| 欧美精品高潮呻吟av久久| 男女高潮啪啪啪动态图| 亚洲国产精品999| 两个人看的免费小视频| 欧美老熟妇乱子伦牲交| 制服人妻中文乱码| 考比视频在线观看| 欧美少妇被猛烈插入视频| 成人综合一区亚洲| 高清av免费在线| 国产免费又黄又爽又色| 亚洲av福利一区| 免费黄频网站在线观看国产| 国产麻豆69| 狠狠精品人妻久久久久久综合| 午夜av观看不卡| 一级黄片播放器| 永久免费av网站大全| 嫩草影院入口| 欧美激情国产日韩精品一区| 丰满乱子伦码专区| 伊人久久国产一区二区| 国产 一区精品| 免费黄色在线免费观看| 巨乳人妻的诱惑在线观看| 少妇人妻 视频| 国产一级毛片在线| 国产一区二区三区av在线| 超碰97精品在线观看| 国产极品天堂在线| 最近2019中文字幕mv第一页| 熟女电影av网| 一本久久精品| 人体艺术视频欧美日本| 午夜福利影视在线免费观看| 一级毛片黄色毛片免费观看视频| 一级毛片我不卡| 天堂中文最新版在线下载| 建设人人有责人人尽责人人享有的| 亚洲av成人精品一二三区| 亚洲三级黄色毛片| 天美传媒精品一区二区| 午夜免费男女啪啪视频观看| 青春草亚洲视频在线观看| a级片在线免费高清观看视频| 欧美少妇被猛烈插入视频| 国产成人午夜福利电影在线观看| 毛片一级片免费看久久久久| 日韩一本色道免费dvd| 国产爽快片一区二区三区| 亚洲内射少妇av| 欧美激情极品国产一区二区三区 | 亚洲精品久久久久久婷婷小说| 老熟女久久久| 国产片内射在线| 亚洲经典国产精华液单| 少妇人妻精品综合一区二区| 成人国产麻豆网| 久热这里只有精品99| 美女福利国产在线| 日韩一本色道免费dvd| 丝瓜视频免费看黄片| 97在线视频观看| videosex国产| 在线免费观看不下载黄p国产| 亚洲国产av新网站| 日韩在线高清观看一区二区三区| 最后的刺客免费高清国语| 蜜臀久久99精品久久宅男| 涩涩av久久男人的天堂| 久久综合国产亚洲精品| 永久网站在线| 欧美日韩亚洲高清精品| 国产亚洲午夜精品一区二区久久| 国产一区二区激情短视频 | 国产精品国产av在线观看| 王馨瑶露胸无遮挡在线观看| 蜜臀久久99精品久久宅男| 乱码一卡2卡4卡精品| 亚洲情色 制服丝袜| 插逼视频在线观看| 国产精品一二三区在线看| 十分钟在线观看高清视频www| 色5月婷婷丁香| 大香蕉97超碰在线| 99香蕉大伊视频| 午夜福利乱码中文字幕| 亚洲高清免费不卡视频| 国产精品国产三级专区第一集| 乱码一卡2卡4卡精品| 日韩av免费高清视频| 久久精品aⅴ一区二区三区四区 | 亚洲国产精品专区欧美| 精品亚洲成国产av| xxx大片免费视频| 日韩,欧美,国产一区二区三区| 曰老女人黄片| 街头女战士在线观看网站| 亚洲国产成人一精品久久久| 99热网站在线观看| 丝袜喷水一区| 激情五月婷婷亚洲| 熟女电影av网| 黄色 视频免费看| 国产国拍精品亚洲av在线观看| 成人免费观看视频高清| 国产日韩欧美视频二区| 日韩中文字幕视频在线看片| 岛国毛片在线播放| 一级黄片播放器| 各种免费的搞黄视频| 久久鲁丝午夜福利片| 最近2019中文字幕mv第一页| 女人精品久久久久毛片| 国产av一区二区精品久久| 欧美日韩视频高清一区二区三区二| 夫妻性生交免费视频一级片| 国内精品宾馆在线| 亚洲精品视频女| 黄色 视频免费看| 亚洲国产精品专区欧美| 免费人成在线观看视频色| 精品卡一卡二卡四卡免费| av播播在线观看一区| 男女无遮挡免费网站观看| 热re99久久国产66热| 日本与韩国留学比较| 免费少妇av软件| 精品少妇内射三级| 街头女战士在线观看网站| 日韩精品免费视频一区二区三区 | 十八禁网站网址无遮挡| 一二三四在线观看免费中文在 | 纯流量卡能插随身wifi吗| 久久ye,这里只有精品| 日本免费在线观看一区| 纯流量卡能插随身wifi吗| 搡老乐熟女国产| 高清黄色对白视频在线免费看| av线在线观看网站| 两个人看的免费小视频| 天天操日日干夜夜撸| 国产日韩欧美亚洲二区| 一区二区三区四区激情视频| 婷婷色麻豆天堂久久| 久久久久久久亚洲中文字幕|