• <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 ?

    多層次特征融合的對抗網(wǎng)絡(luò)圖像隱寫

    2023-06-01 13:43:32震,王
    計算機(jī)仿真 2023年4期
    關(guān)鍵詞:代價網(wǎng)絡(luò)結(jié)構(gòu)卷積

    張 震,王 真

    (上海電力大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院,上海 200000)

    1 引言

    圖像隱寫術(shù)是一種將秘密信息隱藏在載體圖像中并隱蔽通信行為的技術(shù),是信息隱藏的重要分支,逐漸成為信息安全領(lǐng)域的研究熱點(diǎn)[1],[2]?,F(xiàn)代隱寫術(shù)一直被描述為具有保真度約束的信源編碼問題。通過量化單個像素的修改代價,計算總嵌入失真最小化,進(jìn)一步降低隱寫術(shù)的統(tǒng)計可檢測性。在實(shí)際隱寫方案中,可以利用伴隨式矩陣編碼(STC)[3]來逼近理論有效負(fù)載失真邊界。因此,實(shí)際隱寫術(shù)的剩余工作就是設(shè)計一個合理的代價損失函數(shù),從而為每個變化的圖像元素提供一個精確的失真度量。一個更合理的失真函數(shù)會帶來更好的隱寫安全性,因此如何設(shè)計一個更加合理的代價損失函數(shù)成為一個重要的研究課題[4-6]。

    隱寫分析作為與隱寫術(shù)功能相反的技術(shù),用于檢測載體中是否含有秘密信息。盡管一些隱寫分析方法通過結(jié)合監(jiān)督學(xué)習(xí)方案和手工制作的高維統(tǒng)計特征或選擇信息感知技術(shù),如空間富模型SRM[7]及其變體max-SRMd2[8]可以顯著提高檢測性能,但精心設(shè)計的失真函數(shù)依舊可以獲得很好的隱蔽性。并且隨著深度學(xué)習(xí)的發(fā)展,研究人員試圖將神經(jīng)網(wǎng)絡(luò)引入隱寫分析領(lǐng)域,利用手工精心制作的網(wǎng)絡(luò)結(jié)構(gòu)并結(jié)合隱寫分析特征領(lǐng)域的知識,從而實(shí)現(xiàn)更好的隱寫檢測性,這對隱寫術(shù)提出了重大挑戰(zhàn)。最近提出基于深度學(xué)習(xí)的隱寫方案,通過交替更新GAN(Generative Adversarial Network)中的編碼-解碼網(wǎng)絡(luò)來分別實(shí)現(xiàn)秘密信息的嵌入和提取[9-12],然而由于無法保證秘密信息的無差錯恢復(fù),它們的應(yīng)用一直受到限制。與上述工作不同,Tang等[13]基于現(xiàn)有的自適應(yīng)隱寫算法的思想,提出自動隱寫失真代價學(xué)習(xí)框架ASDL-GAN,這是生成對抗網(wǎng)絡(luò)自動學(xué)習(xí)圖像隱寫失真的首次應(yīng)用,它改變了傳統(tǒng)的根據(jù)先驗(yàn)知識手工設(shè)計隱寫失真函數(shù)的觀念,從而減少了人為設(shè)計的因素,為生成對抗網(wǎng)絡(luò)在隱寫領(lǐng)域的應(yīng)用開拓了新的方向。但是由于這是生成對抗網(wǎng)絡(luò)在該領(lǐng)域的初次探索,在時間復(fù)雜度和隱寫安全性上仍存在很大的改進(jìn)空間。Yang等[14]在此框架的基礎(chǔ)上進(jìn)行改進(jìn),并使用Tanh激活函數(shù)加快訓(xùn)練速度,使得抗隱寫分析能力顯著提高。然而以上基于生成對抗神經(jīng)網(wǎng)絡(luò)的圖像隱寫方案均存在一個明顯的不足,他們均忽略了網(wǎng)絡(luò)在生成隱寫圖像時的計算冗余度高、局部信息丟失嚴(yán)重、分辨率下降等問題。由于隱寫操作對像素的修改很小,使用大步伐的卷積操作容易導(dǎo)致神經(jīng)網(wǎng)絡(luò)忽略圖像細(xì)微的變化,從而極大地影響生成網(wǎng)絡(luò)對隱寫圖像的生成。

    基于上述討論,本文提出多層次特征融合的生成對抗網(wǎng)絡(luò)圖像隱寫方法,彌補(bǔ)網(wǎng)絡(luò)在特征提取過程中的信息丟失問題,進(jìn)而使得生成的隱寫圖像隱蔽性更強(qiáng),全面提高圖像隱寫安全性。

    本文主要貢獻(xiàn)如下:

    1)簡化生成對抗網(wǎng)絡(luò)結(jié)構(gòu),實(shí)現(xiàn)圖像隱寫失真代價自學(xué)習(xí),使得生成隱寫圖像盡可能接近真實(shí)標(biāo)簽,提升圖像生成效率;

    2)增強(qiáng)特征提取準(zhǔn)確性,融合生成網(wǎng)絡(luò)中多層次特征信息,有效地增加生成網(wǎng)絡(luò)對載體圖像細(xì)粒度和粗粒度信息的感知,解決生成網(wǎng)絡(luò)中局部特征信息丟失問題,進(jìn)一步提升隱寫性能;

    3)引入更強(qiáng)的隱寫分析器作為判別網(wǎng)絡(luò),提高判別網(wǎng)絡(luò)的有效性,使網(wǎng)絡(luò)訓(xùn)練的參數(shù)能更好的表達(dá)失真度量,增強(qiáng)生成對抗網(wǎng)絡(luò)的整體性能。

    2 相關(guān)研究

    在基于GAN的圖像隱寫模型中,嵌入秘密信息的失真代價可以通過兩個子網(wǎng)相互競爭的對抗網(wǎng)絡(luò)來學(xué)習(xí)。文獻(xiàn)[13]首次提出了一種基于GAN的自動隱寫失真學(xué)習(xí)框架(稱為ASDL-GAN)。在此框架下,利用25組卷積構(gòu)建生成網(wǎng)絡(luò),將XuNet[15]作為判別網(wǎng)絡(luò),之后通過構(gòu)建合理的損失函數(shù)和嵌入模擬器使GAN可以自動學(xué)習(xí)隱寫失真代價。訓(xùn)練GAN模型收斂后,將得到的失真函數(shù)結(jié)合STC編碼方法完成實(shí)際的秘密信息嵌入和提取過程。ASDL-GAN隱寫方案的優(yōu)勢在于首次提出將概率圖轉(zhuǎn)化為代價圖并構(gòu)建損失函數(shù)使得代價可以進(jìn)行反向傳播。與此同時該方案仍存在以下的不足。

    1) TES嵌入模擬器采用了需要預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)耗費(fèi)時間長。

    2) 由25層卷積層構(gòu)成的生成網(wǎng)絡(luò)無法有效的捕捉圖像紋理細(xì)節(jié)。因此,該隱寫方案仍存在提升的空間。

    文獻(xiàn)[14]在此基礎(chǔ)上,進(jìn)一步做了如下的改進(jìn),他們提出使用Tanh激活函數(shù)代替TES神經(jīng)網(wǎng)絡(luò)模擬信息的嵌入的方法(稱為UT-GAN),改善了ASDL-GAN方案中TES嵌入模擬器耗費(fèi)時長和需要預(yù)訓(xùn)練的問題。Tanh嵌入模擬器根據(jù)(1)進(jìn)行設(shè)計。其中給定修改概率pi,j(pi,j∈(0,0.5))與秘密信息隨機(jī)數(shù)si,j(si,j∈[0,1])作為輸入,嵌入模擬器輸出相應(yīng)的修改值mi,j(mi,j∈{+1,0,-1})。

    (1)

    與此同時Yang還提出了一種基于U-Net[16]結(jié)構(gòu)的生成網(wǎng)絡(luò),該生成網(wǎng)絡(luò)相比于ASDL-GAN的生成網(wǎng)絡(luò)具有更好的邊緣輪廓信息捕捉能力。得益于上述兩點(diǎn)改進(jìn),Yang提出的UT-GAN方案具有更好的隱寫安全性。但是UT-GAN仍有些許不足,因?yàn)楦鶕?jù)原始U-Net構(gòu)造的生成網(wǎng)絡(luò)仍然存在細(xì)粒度信息丟失的問題,這會導(dǎo)致失真代價訓(xùn)練忽視圖像細(xì)致的紋理信息,從而使得失真代價無法得到充分訓(xùn)練,進(jìn)一步影響隱寫的隱蔽性。

    因此本文對原始U-Net結(jié)構(gòu)進(jìn)行多層次特征融合,重構(gòu)生成網(wǎng)絡(luò)實(shí)現(xiàn)對載體圖像粗粒度和細(xì)粒度的信息補(bǔ)償作用,使用經(jīng)過信息補(bǔ)償?shù)膶咕W(wǎng)絡(luò),生成載體圖像每個像素的代價損失,最終獲得更好的隱寫魯棒性和隱寫隱蔽性。

    3 多層次特征融合的對抗網(wǎng)絡(luò)圖像隱寫方法

    3.1 總體介紹

    本文設(shè)計了一個由兩部分組成的總體失真代價計算模型:多層次特征融合結(jié)構(gòu)的隱寫圖像生成網(wǎng)絡(luò)和代價更新判別網(wǎng)絡(luò)。在隱寫圖像生成網(wǎng)絡(luò)中,首先在收縮路徑各層嵌入卷積與池化操作改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu),在減少冗余計算與參數(shù)量的基礎(chǔ)上防止梯度消失;之后通過在擴(kuò)展路徑中添加連接層融合多層次特征,聚集不同層次特征的表達(dá)信息,對網(wǎng)絡(luò)進(jìn)行信息補(bǔ)償;代價更新判別網(wǎng)絡(luò)使用設(shè)計好的判別網(wǎng)絡(luò)、嵌入模擬器以及損失函數(shù)配合生成網(wǎng)絡(luò)進(jìn)行代價的迭代更新,從而獲得載體圖像中每個像素的代價損失。在設(shè)計好總體失真代價計算模型后,將訓(xùn)練得到的像素代價損失,最終利用嵌入模擬器生成隱寫圖像??傮w框架如圖1所示。

    圖1 本文網(wǎng)絡(luò)整體結(jié)構(gòu)圖

    3.2 重構(gòu)隱寫圖像生成網(wǎng)絡(luò)

    生成網(wǎng)絡(luò)由收縮路徑和擴(kuò)展路徑組成。由于網(wǎng)絡(luò)淺層紋理信息豐富、圖像分辨率高,但語義性較低、噪聲較多。而深層信息語義性強(qiáng),但對細(xì)節(jié)信息感知能力差。因此本文通過多層次特征融合將對應(yīng)層的特征信息進(jìn)行連接,使得生成網(wǎng)絡(luò)可以同時捕捉到淺層的紋理信息和深層的語義信息。ASDL-GAN和UT-GAN中的生成網(wǎng)絡(luò)在卷積過程中均存在信息丟失的問題,忽略了通道間的信息表達(dá)。其中ASDL-GAN(如圖2(a))使用多個卷積層連接很難準(zhǔn)確捕捉圖像深層語義信息,UT-GAN(如圖2(b))引進(jìn)U型網(wǎng)絡(luò)結(jié)構(gòu),但忽略了圖像淺層紋理信息。

    圖2(b) UT-GAN生成網(wǎng)絡(luò)結(jié)構(gòu)

    圖2(a) ASDL-GAN生成網(wǎng)絡(luò)結(jié)構(gòu)

    因此,上述網(wǎng)絡(luò)結(jié)構(gòu)均存在局部信息丟失問題,為進(jìn)一步獲得不同層次的語義特征,本文提出的重構(gòu)生成網(wǎng)絡(luò)結(jié)構(gòu)(如圖3),使用多層次特征融合技術(shù),使得生成器網(wǎng)絡(luò)在捕捉圖像深層語義信息的基礎(chǔ)上,對圖像的不同維度的特征信息進(jìn)行多層次融合,從而充分捕捉圖像各個層次的信息,這是改善網(wǎng)絡(luò)性能的關(guān)鍵。因此,本文構(gòu)建的多層次特征融合生成網(wǎng)絡(luò)模型可以獲得更好的整體性能,具體如下:

    圖3 Proposed-GAN生成網(wǎng)絡(luò)結(jié)構(gòu)

    1) 生成網(wǎng)絡(luò)由M(M=16)個操作組組成,前8組組成收縮路徑,每組由尺寸為3、步長為1的卷積層、批處理歸一化層(Batch Normalization)、Leaky-ReLU激活函數(shù)、尺寸為2,步長為2的最大池化層組成,經(jīng)過8層收縮路徑后得到128×1×1的特征圖;后8組組成擴(kuò)展路徑,每組由步長為2、尺寸為3的反卷積層、ReLU激活函數(shù)、批處理歸一化層(Batch Normalization)、Dropout、Concat操作、尺寸為1、步長為1的卷積層組成,得到與輸入圖像大小相同的特征圖。

    2) 擴(kuò)展路徑添加Concat操作,跳躍連接對應(yīng)收縮層中的通道數(shù)不同的多尺度特征,實(shí)現(xiàn)多層次特征信息融合。擴(kuò)展路徑第n(n∈[9,16))層融合收縮路徑中第(M-n+1)層卷積后的特征(單層)與第(M-n)層池化處理后的特征(雙層)、第(M-n)層卷積得到特征,最終實(shí)現(xiàn)(3層)多層次特征融合(如圖3)。因?yàn)榈?層特征與前兩層的特征大小不同,因此需要添加尺寸為1,步長為2的卷積層將特征尺度歸一化。如圖3所示,第9層中添加連接層跳躍連接融合第8層卷積后的特征、第7層池化后的特征以及第7層卷積得到特征經(jīng)過步長為2的卷積得到的特征。

    3) 擴(kuò)展路徑中添加Dropout操作,防止過擬合,提高模型泛化能力。

    4) 多層次特征融合后特征通道數(shù)增加,為減少運(yùn)算量,在連接層之后通過尺寸為1、步長為1的卷積層減少通道數(shù)。

    3.3 代價更新判別網(wǎng)絡(luò)

    判別網(wǎng)絡(luò)和生成網(wǎng)絡(luò)共同配合損失函數(shù)完成對抗網(wǎng)絡(luò)代價更新。判別網(wǎng)絡(luò)在本質(zhì)上充當(dāng)了隱寫分析的作用,用作隱寫圖像和載體圖像的區(qū)分。也就是說,現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)的隱寫分析器均可以作為判別網(wǎng)絡(luò)。理論上說,更強(qiáng)的判別網(wǎng)絡(luò)通過對抗訓(xùn)練可以使隱寫更加安全,通過生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò)相互競爭,可以有效地訓(xùn)練整個網(wǎng)絡(luò)。ASDL-GAN、UT-GAN均使用XuNet作為判別網(wǎng)絡(luò),該判別網(wǎng)絡(luò)是Xu等人在2016年提出的隱寫分析器,雖然它與SRM高維特征隱寫分析器相當(dāng)?shù)男阅?但后續(xù)提出的隱寫分析器均具有更好的隱寫分析性能,因此本文使用性能更好的隱寫分析網(wǎng)絡(luò),進(jìn)而提高整個生成對抗網(wǎng)絡(luò)的隱寫安全性。經(jīng)過多次對比實(shí)驗(yàn),最終使用YeNet[17]隱寫分析器作為本文的判別網(wǎng)絡(luò)。

    由于隱寫的本質(zhì)是對圖像的像素進(jìn)行非常輕微的修改,因此圖像原始的內(nèi)容會極大的影響隱寫分析器的判斷。所以,使用高通濾波濾除圖像的低頻內(nèi)容,保留高頻成分,提高“信噪比”,從而可以提高判別網(wǎng)絡(luò)的鑒別有效性,使訓(xùn)練參數(shù)可以更好的表示失真度的測量。從SRM中引入了12個高通濾波器,對載體圖像和隱寫圖像進(jìn)行殘差過濾,經(jīng)過高通濾波后的殘差可以對隱寫操作更為敏感并且可以加快網(wǎng)絡(luò)收斂速度。在訓(xùn)練過程中,生成網(wǎng)絡(luò)通過調(diào)整參數(shù)抵抗判別網(wǎng)絡(luò)的隱寫分析,判別網(wǎng)絡(luò)通過調(diào)整參數(shù)來判斷生成網(wǎng)絡(luò)的結(jié)果。當(dāng)過程收斂時,最終的參數(shù)用于計算每個像素的嵌入失真代價。

    3.4 損失函數(shù)

    損失函數(shù)是用來調(diào)節(jié)生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)中神經(jīng)元更新的影響因素。本文損失函數(shù)loss_total由生成網(wǎng)絡(luò)的損失與判別網(wǎng)絡(luò)的損失兩部分組成。

    判別網(wǎng)絡(luò)損失loss_dis結(jié)合二值交叉熵?fù)p失計算即

    (2)

    其中x為判別網(wǎng)絡(luò)的預(yù)測值,y為目標(biāo)輸出。

    生成網(wǎng)絡(luò)損失具體計算如下:

    (3)

    (4)

    2) 計算載體圖像中嵌入有效載荷的容量C

    (5)

    3) 計算損失loss1_gen與loss2_gen

    (6)

    loss2_gen=(C-H×W×Q)2

    (7)

    其中l(wèi)oss1_gen使隱寫圖像難以被判別網(wǎng)絡(luò)檢測、loss2_gen保證隱寫圖像嵌入有效載荷接近嵌入率Q,H、W為圖像的高度和寬度。

    4) 生成網(wǎng)絡(luò)損失loss_gen

    loss_gen=α×loss1_gen+β×loss2_gen

    (8)

    α和β設(shè)置為10-7和0.1。

    網(wǎng)絡(luò)的總損失loss_total

    loss_total=loss_gen+loss_dis

    (9)

    4 實(shí)驗(yàn)結(jié)果與分析

    4.1 實(shí)驗(yàn)環(huán)境

    本文使用的實(shí)驗(yàn)環(huán)境為windows10操作系統(tǒng),采用深度學(xué)習(xí)框架Tensorflow1.13.1-gpu、CUDA10.0、CUDNN11.0進(jìn)行網(wǎng)絡(luò)搭建以及模型的訓(xùn)練、測試與驗(yàn)證。本文采用DELL W-2102工作站;CPU:intel i7-9700k;GPU:RTX2080;RAM:16GB。

    4.2 實(shí)驗(yàn)設(shè)置

    為驗(yàn)證模型性能,選擇Places365-Standard[18]、BOSSBase v1.01[19]兩個公開的數(shù)據(jù)集對所提出的方法進(jìn)行評價。Place365-Standard包含百萬張大尺寸的原始JPEG圖像。BOSSBase v1.01包含10000張512×512尺寸的灰度圖像。使用matlab中的“rgb2gray”函數(shù)和“imresize”函數(shù)將兩數(shù)據(jù)集圖像轉(zhuǎn)換為PGM、256×256尺寸統(tǒng)一規(guī)格的灰度圖像。本文從Place365-Standard中隨機(jī)選擇50000張圖像,40000張作為訓(xùn)練集,剩余作為驗(yàn)證集,BOSSBase v1.01作為測試集。

    網(wǎng)絡(luò)訓(xùn)練選擇學(xué)習(xí)率為10-4的Adam優(yōu)化器進(jìn)行迭代訓(xùn)練,每次迭代輸入8幅載體圖像(BatchSize=8),epoch=70。同時訓(xùn)練時使用正態(tài)分布的隨機(jī)初始化對網(wǎng)絡(luò)中的權(quán)重進(jìn)行初始化。每次訓(xùn)練流程包括:

    1)將載體圖像分為若干批(BatchSize)輸入生成器,得到修改概率圖。使用Tanh嵌入模擬器組合修改概率圖和隨機(jī)數(shù)生成嵌入修改圖。生成器在載體圖像上應(yīng)用相應(yīng)的嵌入修改圖生成隱寫圖像。

    2)載體圖像與隱寫圖像組合輸入判別器。判別器通過Adam優(yōu)化器使用最小批梯度下降算法,交替更新參數(shù)。

    4.3 實(shí)驗(yàn)結(jié)果

    從BOSSBase中隨機(jī)選擇一張圖像“1013.pgm”,測試結(jié)果如圖4所示。其中(b)、(d)、(f )分別是UT-GAN在0.4bpp嵌入率下的修改概率圖、嵌入修改圖、隱寫圖像;(c)、(e)、(g)分別是本文在0.4pp嵌入率下的修改概率圖、嵌入修改圖、隱寫圖像。

    圖4 測試結(jié)果

    圖4(a) 載體圖像1013.pgm,(b)、(d)、(f )分別是UT-GAN在0.4bpp嵌入率下的修改概率圖、嵌入修改圖、隱寫圖像;(c)、(e)、(g)分別是本文在0.4bpp嵌入率下的修改概率圖、嵌入修改圖、隱寫圖像。

    從實(shí)驗(yàn)結(jié)果可看出,經(jīng)過多層次特征融合后,生成網(wǎng)絡(luò)對紋理區(qū)域的像素賦予了更低的修改代價。從載體圖像修改概率圖可看出,本文更傾向于在紋理復(fù)雜的地方進(jìn)行修改,本文相比于UT-GAN在紋理區(qū)域修改的像素更加集中,在紋理復(fù)雜度高的地方進(jìn)行秘密信息的嵌入會讓圖像隱寫安全性更高。

    4.4 不同算法對比

    為體現(xiàn)本文對像素失真代價調(diào)整的整體優(yōu)勢,本文與當(dāng)前效果較好的傳統(tǒng)隱寫算法HILL[21]、WOW[4]、S-UNIWARD[5]和基于深度學(xué)習(xí)的隱寫算法ASDL-GAN[13]、UT-GAN[14]進(jìn)行對比。所有算法均采用相同的訓(xùn)練集與測試集與原論文相同的參數(shù),在0.1~0.4bpp嵌入率下使用隱寫分析特征SRM、maxSRM與集成分類器(EC)[20]結(jié)合的隱寫分析方法進(jìn)行隱寫分析檢測,評估算法的安全性能,結(jié)果如圖5所示。其中錯誤率越高表明抗隱寫分析能力越強(qiáng)即安全性越高。圖5(a)、(b)、(c)分別為本文與傳統(tǒng)方法和深度學(xué)習(xí)方法分別使用SRM[7]、maxSRM[8]、YeNet[17]檢測錯誤率。

    圖5 檢測結(jié)果

    從中可以看出,與傳統(tǒng)算法相比本文的安全性能仍然無法全面超越所有傳統(tǒng)的隱寫算法,因?yàn)閭鹘y(tǒng)的隱寫方法采用手工設(shè)計失真函數(shù)計算像素失真代價,手工設(shè)計的失真函數(shù)是基于啟發(fā)性的,并不適用于所有的載體圖像;與此同時自然圖像具有紋理不可統(tǒng)計性,因此手工設(shè)計的失真函數(shù)在根本上具有局限性。本文采用生成對抗網(wǎng)絡(luò)對像素代價進(jìn)行分配,生成網(wǎng)絡(luò)可以根據(jù)不同的圖像特征進(jìn)行自適應(yīng)代價調(diào)整,因此對載體圖像的代價分配更加合理,從而實(shí)現(xiàn)更高的隱寫安全性與魯棒性。

    本文比上述現(xiàn)有的基于深度學(xué)習(xí)隱寫方法的綜合安全性能更高。本文生成網(wǎng)絡(luò)采用多層次特征融合后相比于UT-GAN具有更好的隱寫隱蔽性,這是由于ASDL-GAN和UT-GAN的生成網(wǎng)絡(luò)在多重卷積過程會產(chǎn)生大量局部信息丟失,其中ASDL-GAN使用多個重復(fù)的卷積層連接很難捕捉到圖像的深層語義信息,UT-GAN忽略了圖像淺層紋理信息。本文使用多層次特征融合改進(jìn)上述兩種方案,將多個淺層特征與深層特征進(jìn)行融合,起到信息補(bǔ)償?shù)淖饔?提高了網(wǎng)絡(luò)對不同層次特征的提取能力,其在相同數(shù)據(jù)集上的隱寫性能較其它算法更為均衡,生成的隱寫圖像更接近真實(shí)的標(biāo)簽圖。對于抵抗SRM與maxSRM檢測,本文在不同嵌入率下相比ASDL-GAN、UT-GAN也均有一定程度安全性的提升。

    為更形象地比較不同方法的性能,使用受試者工作特征曲線ROC(receiver operating characteristic)及相應(yīng)AUC(area under curve)值。ROC是度量分類均衡的工具,用來比較算法性能。在0.4bpp嵌入率下使用相同的訓(xùn)練集與測試集,通過SRM+EC隱寫分析模型進(jìn)行隱寫分析檢測。如圖6所示。

    圖6 不同隱寫方法的ROC曲線

    圖中較低的ROC曲線AUC值更小,本文相比ASDL-GAN與UT-GAN的AUC值均更低,意味著隱寫方法更安全,不易手工檢測。綜合來看,本文比ASDL-GAN與UT-GAN有更好的安全性能。

    4.5 實(shí)際隱寫性能

    為驗(yàn)證隱寫算法在實(shí)際應(yīng)用時的安全性,本文使用STC編碼方法代替嵌入模擬器tanh,實(shí)際嵌入秘密信息。根據(jù)(10)由生成網(wǎng)絡(luò)輸出的修改概率圖計算相應(yīng)的失真代價。

    ηi,j=ln(2/pi,j-2)

    (10)

    使用SRM、maxSRM、YeNet評估算法在0.1bpp與0.4bpp嵌入率下的實(shí)際隱寫安全性,性能評估結(jié)果如表1所示。

    表1 使用STC嵌入不同隱寫方法安全性比較(/%)

    結(jié)果顯示,在STC實(shí)際嵌入下方案的安全性雖然有所下降,但是本文的安全性仍高于ASDL-GAN與UT-GAN,綜合性能得到提升。

    4.6 訓(xùn)練時間

    為測試計算效率,本文與上述兩種基于深度學(xué)習(xí)的圖像隱寫方法進(jìn)行模型訓(xùn)練時間比較,訓(xùn)練時間如表2所示。實(shí)驗(yàn)均在戴爾W-2102工作站使用上述數(shù)據(jù)集進(jìn)行訓(xùn)練、測試,以epoch=1為例。

    表2 訓(xùn)練時間比較(/h)

    本文比ASDL-GAN的訓(xùn)練時間減少一半,這是由于本文的生成網(wǎng)絡(luò)提取的的特征從1×1到256×256大小不等,而ASDL-GAN的生成網(wǎng)絡(luò)提取的特征一直保持在256×256不變;本文比UT-GAN訓(xùn)練時間有所增加,這是因?yàn)樵诿看蔚家M(jìn)行多層次特征融合,而增加額外的處理步驟,因此增加訓(xùn)練時間的開銷。

    4.7 消融實(shí)驗(yàn)

    為驗(yàn)證本文的有效性,本節(jié)進(jìn)行相關(guān)消融實(shí)驗(yàn)。如表3所示,無融合為未進(jìn)行特征融合的生成網(wǎng)絡(luò)結(jié)構(gòu);單一融合為在本文基礎(chǔ)上去除多層次特征融合模塊僅進(jìn)行單一特征的連接構(gòu)成生成網(wǎng)絡(luò)結(jié)構(gòu),多層次融合為本文多層次特征融合的生成網(wǎng)絡(luò)結(jié)構(gòu)。均使用與本文相同的判別網(wǎng)絡(luò)、嵌入模擬器,三種網(wǎng)絡(luò)結(jié)構(gòu)在0.4bpp嵌入率下生成隱寫圖像,使用SRM、maxSRM檢測隱寫安全性。

    表3 不同融合方式安全性比較(/%)

    由表3可看出,本文的多層次特征融合生成網(wǎng)絡(luò)結(jié)構(gòu)對于圖像隱寫安全性的提高顯著,圖像隱寫安全性大大提高。

    5 結(jié)語

    本文以提高生成對抗網(wǎng)絡(luò)圖像隱寫安全性為切入點(diǎn),提出在生成網(wǎng)絡(luò)中進(jìn)行多層次特征融合,使生成的代價圖更加合理,改善網(wǎng)絡(luò)不能同時捕捉細(xì)致紋理信息和語義信息產(chǎn)生的局部信息丟失問題;引入YeNet隱寫分析器作為判別網(wǎng)絡(luò),進(jìn)一步提升圖像的隱寫隱蔽性。使基于對抗網(wǎng)絡(luò)的圖像隱寫安全性大大提高。

    本方案還有以下幾個值得進(jìn)一步探討的方向。1)可以結(jié)合信道選擇技術(shù)使生成網(wǎng)絡(luò)快速收斂,縮短模型訓(xùn)練的時間;2)該類隱寫方法對載體圖像的訓(xùn)練需求量較大,如何減少圖片樣本的訓(xùn)練量是一個值得進(jìn)一步探討的方向。

    猜你喜歡
    代價網(wǎng)絡(luò)結(jié)構(gòu)卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實(shí)現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    愛的代價
    海峽姐妹(2017年12期)2018-01-31 02:12:22
    代價
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識網(wǎng)絡(luò)結(jié)構(gòu)維對于創(chuàng)新績效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對算法研究進(jìn)展
    成熟的代價
    在线观看日韩欧美| 男人舔女人的私密视频| 国产精品久久久久久精品古装| 一级a爱片免费观看的视频| 国产免费现黄频在线看| 久久精品亚洲av国产电影网| 国产精品永久免费网站| 少妇 在线观看| 啦啦啦免费观看视频1| 亚洲精品美女久久久久99蜜臀| 一级片'在线观看视频| 免费一级毛片在线播放高清视频 | 亚洲人成电影免费在线| 国产aⅴ精品一区二区三区波| 曰老女人黄片| 国产精品久久久人人做人人爽| 丝袜美腿诱惑在线| 99香蕉大伊视频| 欧美久久黑人一区二区| 麻豆成人av在线观看| 日韩精品免费视频一区二区三区| 中亚洲国语对白在线视频| 亚洲综合色网址| 好看av亚洲va欧美ⅴa在| 91字幕亚洲| 亚洲熟妇熟女久久| 麻豆国产av国片精品| 黄片播放在线免费| 久久久久久免费高清国产稀缺| 欧美午夜高清在线| 国产精华一区二区三区| 亚洲精品久久午夜乱码| 久久婷婷成人综合色麻豆| 另类亚洲欧美激情| 国产精品偷伦视频观看了| 国产精品永久免费网站| 黄网站色视频无遮挡免费观看| 国产精品久久久人人做人人爽| 国产精品 国内视频| 成人三级做爰电影| 亚洲精品一卡2卡三卡4卡5卡| 久久国产精品男人的天堂亚洲| 少妇裸体淫交视频免费看高清 | 国产成人啪精品午夜网站| 天天躁狠狠躁夜夜躁狠狠躁| 大香蕉久久网| e午夜精品久久久久久久| 亚洲av片天天在线观看| 日韩成人在线观看一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 久久久国产成人精品二区 | 色在线成人网| 叶爱在线成人免费视频播放| 国产人伦9x9x在线观看| 色老头精品视频在线观看| 韩国精品一区二区三区| 男女之事视频高清在线观看| 大片电影免费在线观看免费| 一级a爱视频在线免费观看| 在线观看一区二区三区激情| 午夜福利在线观看吧| 夫妻午夜视频| 欧美精品亚洲一区二区| 国产主播在线观看一区二区| 亚洲一区二区三区不卡视频| 丁香欧美五月| 亚洲aⅴ乱码一区二区在线播放 | 少妇 在线观看| 国产精品国产av在线观看| 交换朋友夫妻互换小说| 夫妻午夜视频| 女同久久另类99精品国产91| 日本精品一区二区三区蜜桃| 国产欧美日韩一区二区精品| 看片在线看免费视频| 亚洲专区中文字幕在线| 成年动漫av网址| 久久香蕉精品热| 极品教师在线免费播放| 在线观看一区二区三区激情| 久热这里只有精品99| 国产一卡二卡三卡精品| 自线自在国产av| 国产不卡一卡二| 精品一品国产午夜福利视频| 久久精品熟女亚洲av麻豆精品| 亚洲熟妇熟女久久| 最近最新中文字幕大全免费视频| 欧美日韩福利视频一区二区| 黄色a级毛片大全视频| 亚洲自偷自拍图片 自拍| 97人妻天天添夜夜摸| 亚洲 国产 在线| 丰满的人妻完整版| 岛国毛片在线播放| 人成视频在线观看免费观看| 操出白浆在线播放| 黑人猛操日本美女一级片| 久久 成人 亚洲| 在线十欧美十亚洲十日本专区| 亚洲少妇的诱惑av| 满18在线观看网站| 黑人欧美特级aaaaaa片| 日韩欧美国产一区二区入口| 久久久久久久久久久久大奶| 怎么达到女性高潮| 欧美av亚洲av综合av国产av| 视频在线观看一区二区三区| av国产精品久久久久影院| 久久人人97超碰香蕉20202| 大陆偷拍与自拍| 国产精品亚洲av一区麻豆| 色婷婷久久久亚洲欧美| 亚洲片人在线观看| 免费看十八禁软件| 丝袜美足系列| 欧美黑人精品巨大| 午夜精品久久久久久毛片777| 一级毛片高清免费大全| 久久狼人影院| 国产精品成人在线| 91九色精品人成在线观看| 巨乳人妻的诱惑在线观看| 一级片免费观看大全| 久久热在线av| 午夜免费鲁丝| 日本欧美视频一区| 久久午夜亚洲精品久久| 日韩免费高清中文字幕av| 国产不卡一卡二| 高清毛片免费观看视频网站 | 法律面前人人平等表现在哪些方面| 麻豆乱淫一区二区| 人人妻人人澡人人爽人人夜夜| 久久精品国产99精品国产亚洲性色 | 精品一品国产午夜福利视频| 亚洲人成电影免费在线| 国产免费男女视频| 在线免费观看的www视频| 久99久视频精品免费| 中文字幕精品免费在线观看视频| 少妇被粗大的猛进出69影院| 在线观看免费日韩欧美大片| 中文字幕最新亚洲高清| 免费在线观看影片大全网站| 性色av乱码一区二区三区2| 国产精品 欧美亚洲| 999久久久精品免费观看国产| 亚洲中文av在线| 久久久久久亚洲精品国产蜜桃av| 天堂俺去俺来也www色官网| videosex国产| 免费久久久久久久精品成人欧美视频| 每晚都被弄得嗷嗷叫到高潮| 男女免费视频国产| 国产成人免费无遮挡视频| 亚洲成人免费av在线播放| 一夜夜www| 狂野欧美激情性xxxx| x7x7x7水蜜桃| 老司机深夜福利视频在线观看| 成年人黄色毛片网站| 久久久久久久久免费视频了| 国产在线一区二区三区精| 亚洲av第一区精品v没综合| 欧美精品av麻豆av| 亚洲少妇的诱惑av| 亚洲精华国产精华精| 亚洲色图综合在线观看| 欧美黑人精品巨大| 日韩一卡2卡3卡4卡2021年| 亚洲av第一区精品v没综合| 免费久久久久久久精品成人欧美视频| 999久久久国产精品视频| 免费观看人在逋| 色尼玛亚洲综合影院| 亚洲国产欧美日韩在线播放| 亚洲aⅴ乱码一区二区在线播放 | 两性午夜刺激爽爽歪歪视频在线观看 | 精品一品国产午夜福利视频| 欧美日韩一级在线毛片| 9热在线视频观看99| 欧美黑人欧美精品刺激| 婷婷丁香在线五月| 国产欧美日韩一区二区三区在线| 一级,二级,三级黄色视频| 亚洲精品av麻豆狂野| 精品久久久久久,| 18在线观看网站| 亚洲av片天天在线观看| 人人妻人人爽人人添夜夜欢视频| 久久久国产一区二区| 女人被躁到高潮嗷嗷叫费观| 亚洲国产欧美一区二区综合| 色综合婷婷激情| 一a级毛片在线观看| 国产熟女午夜一区二区三区| 欧美日韩瑟瑟在线播放| 91成年电影在线观看| 法律面前人人平等表现在哪些方面| 成人av一区二区三区在线看| 色精品久久人妻99蜜桃| 一本大道久久a久久精品| 国产欧美日韩一区二区三| 美女 人体艺术 gogo| 9热在线视频观看99| 久久久水蜜桃国产精品网| 久久久久视频综合| 男人舔女人的私密视频| 青草久久国产| 曰老女人黄片| 国产有黄有色有爽视频| 日日夜夜操网爽| av欧美777| 欧美日韩一级在线毛片| 久久香蕉精品热| 日韩欧美免费精品| 一级毛片精品| 99热只有精品国产| 欧美另类亚洲清纯唯美| 亚洲精品在线观看二区| 18在线观看网站| 女人爽到高潮嗷嗷叫在线视频| 宅男免费午夜| 免费不卡黄色视频| 丰满饥渴人妻一区二区三| 国产精品.久久久| 国产成人啪精品午夜网站| 久久久久久人人人人人| 国产成人影院久久av| 亚洲国产欧美网| 午夜福利乱码中文字幕| 女警被强在线播放| 动漫黄色视频在线观看| 亚洲aⅴ乱码一区二区在线播放 | 国产日韩欧美亚洲二区| 麻豆国产av国片精品| 手机成人av网站| videosex国产| 99精品在免费线老司机午夜| 亚洲av美国av| 久久久久精品国产欧美久久久| 女人高潮潮喷娇喘18禁视频| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美成人午夜精品| 欧美在线一区亚洲| 高清欧美精品videossex| 亚洲熟妇中文字幕五十中出 | 色婷婷久久久亚洲欧美| 黑丝袜美女国产一区| 亚洲精品国产色婷婷电影| 午夜福利视频在线观看免费| 国产成人av教育| 又紧又爽又黄一区二区| 亚洲av欧美aⅴ国产| 国产成人精品久久二区二区免费| 捣出白浆h1v1| 久久国产精品人妻蜜桃| 丰满的人妻完整版| √禁漫天堂资源中文www| 国产精品久久久人人做人人爽| 日韩有码中文字幕| 999久久久精品免费观看国产| 狠狠狠狠99中文字幕| 国产1区2区3区精品| 日韩欧美一区视频在线观看| 欧美一级毛片孕妇| av线在线观看网站| 久久香蕉激情| 亚洲精品成人av观看孕妇| 黄色视频,在线免费观看| 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产看品久久| e午夜精品久久久久久久| 久久久精品区二区三区| 欧美精品人与动牲交sv欧美| 老司机深夜福利视频在线观看| 黄色视频不卡| 黄色丝袜av网址大全| 村上凉子中文字幕在线| 午夜精品久久久久久毛片777| 久久国产精品影院| 亚洲欧美一区二区三区黑人| 亚洲一区二区三区不卡视频| 黑丝袜美女国产一区| 国内久久婷婷六月综合欲色啪| 久久婷婷成人综合色麻豆| 电影成人av| 国产亚洲精品一区二区www | 精品一区二区三区av网在线观看| 一区福利在线观看| 一进一出抽搐动态| 黄色 视频免费看| 18禁裸乳无遮挡免费网站照片 | 午夜福利在线免费观看网站| 精品少妇久久久久久888优播| 少妇被粗大的猛进出69影院| svipshipincom国产片| 久久精品国产a三级三级三级| 如日韩欧美国产精品一区二区三区| av电影中文网址| 久久久水蜜桃国产精品网| 免费av中文字幕在线| 色在线成人网| 两人在一起打扑克的视频| 久久婷婷成人综合色麻豆| 天天操日日干夜夜撸| 亚洲国产欧美网| 美女高潮喷水抽搐中文字幕| 多毛熟女@视频| 无遮挡黄片免费观看| 久久久精品国产亚洲av高清涩受| 久久久久久免费高清国产稀缺| 亚洲精华国产精华精| 老司机亚洲免费影院| 午夜福利免费观看在线| 精品国内亚洲2022精品成人 | 大码成人一级视频| 男女午夜视频在线观看| 午夜精品在线福利| 亚洲精品成人av观看孕妇| av网站免费在线观看视频| 国产在视频线精品| 90打野战视频偷拍视频| 日日爽夜夜爽网站| 国产欧美亚洲国产| 中文字幕av电影在线播放| 午夜福利一区二区在线看| av网站在线播放免费| 乱人伦中国视频| 69精品国产乱码久久久| 激情视频va一区二区三区| 久久久久久久久久久久大奶| 久久久久国产精品人妻aⅴ院 | 又黄又爽又免费观看的视频| 51午夜福利影视在线观看| 王馨瑶露胸无遮挡在线观看| 国产av精品麻豆| 亚洲中文日韩欧美视频| 午夜福利免费观看在线| 中文字幕av电影在线播放| 久久久久精品人妻al黑| 久久人人爽av亚洲精品天堂| 高清视频免费观看一区二区| 黄色a级毛片大全视频| 亚洲av美国av| av天堂久久9| 国产一区在线观看成人免费| 国产精品亚洲av一区麻豆| 新久久久久国产一级毛片| av福利片在线| 大型黄色视频在线免费观看| aaaaa片日本免费| 91字幕亚洲| 免费在线观看黄色视频的| 飞空精品影院首页| 国产色视频综合| 国产视频一区二区在线看| 久久久久久久久久久久大奶| 国产精品98久久久久久宅男小说| 啪啪无遮挡十八禁网站| 国产精品一区二区精品视频观看| 中亚洲国语对白在线视频| 精品福利观看| 久久久久国内视频| 午夜两性在线视频| 久久亚洲真实| 国产视频一区二区在线看| 99riav亚洲国产免费| 久热爱精品视频在线9| 午夜福利在线观看吧| 麻豆成人av在线观看| 久久久久国内视频| 国产一区二区三区视频了| 欧美日韩视频精品一区| 亚洲国产欧美日韩在线播放| 国产欧美日韩综合在线一区二区| 亚洲精品在线观看二区| 久久久久视频综合| 欧美黑人精品巨大| 久久国产精品人妻蜜桃| 啦啦啦 在线观看视频| 啦啦啦视频在线资源免费观看| 99精品欧美一区二区三区四区| 国产aⅴ精品一区二区三区波| 国产精品久久久人人做人人爽| 免费久久久久久久精品成人欧美视频| 亚洲片人在线观看| √禁漫天堂资源中文www| 国产蜜桃级精品一区二区三区 | 大香蕉久久网| 欧美乱码精品一区二区三区| 亚洲七黄色美女视频| 激情在线观看视频在线高清 | 精品电影一区二区在线| 99久久精品国产亚洲精品| 免费看a级黄色片| 国产97色在线日韩免费| 国产又色又爽无遮挡免费看| 亚洲精品国产色婷婷电影| 亚洲第一青青草原| 亚洲色图综合在线观看| 亚洲性夜色夜夜综合| 又黄又粗又硬又大视频| cao死你这个sao货| 9热在线视频观看99| 1024视频免费在线观看| 999久久久精品免费观看国产| 久久久国产成人免费| 大型黄色视频在线免费观看| 亚洲精品乱久久久久久| 乱人伦中国视频| 美女 人体艺术 gogo| 国产亚洲精品第一综合不卡| 91麻豆av在线| 91麻豆精品激情在线观看国产 | 美女视频免费永久观看网站| 女警被强在线播放| 欧美av亚洲av综合av国产av| 色尼玛亚洲综合影院| 日韩欧美三级三区| 啦啦啦视频在线资源免费观看| 国产亚洲一区二区精品| 免费在线观看黄色视频的| av天堂在线播放| 久久久久视频综合| 热99久久久久精品小说推荐| 中出人妻视频一区二区| 国产主播在线观看一区二区| 淫妇啪啪啪对白视频| 美女高潮到喷水免费观看| 咕卡用的链子| 啪啪无遮挡十八禁网站| 国产一区二区三区视频了| 18禁黄网站禁片午夜丰满| 叶爱在线成人免费视频播放| 脱女人内裤的视频| 精品人妻熟女毛片av久久网站| 精品一区二区三区av网在线观看| 久久精品人人爽人人爽视色| 欧美国产精品va在线观看不卡| 亚洲精华国产精华精| 在线观看www视频免费| 99香蕉大伊视频| 亚洲精品在线观看二区| 国产精品免费大片| 亚洲精品美女久久久久99蜜臀| 亚洲中文日韩欧美视频| 亚洲一码二码三码区别大吗| 黄色成人免费大全| 高清毛片免费观看视频网站 | 国产野战对白在线观看| 最新在线观看一区二区三区| 少妇被粗大的猛进出69影院| 日日爽夜夜爽网站| 亚洲七黄色美女视频| 国产亚洲av高清不卡| 免费观看a级毛片全部| 日本五十路高清| 久久久国产一区二区| 亚洲第一青青草原| 中文字幕高清在线视频| 久久久久久久午夜电影 | 巨乳人妻的诱惑在线观看| 在线播放国产精品三级| 国产欧美亚洲国产| 一本综合久久免费| 丝袜人妻中文字幕| 成人av一区二区三区在线看| 国产亚洲欧美98| 午夜福利乱码中文字幕| 亚洲在线自拍视频| 久久中文字幕一级| 欧美乱码精品一区二区三区| 一级片免费观看大全| 亚洲精品国产区一区二| 亚洲免费av在线视频| 午夜福利一区二区在线看| 看免费av毛片| 少妇裸体淫交视频免费看高清 | 女同久久另类99精品国产91| 人人妻人人澡人人看| 在线视频色国产色| 99久久综合精品五月天人人| 日韩欧美三级三区| 99久久99久久久精品蜜桃| 国产成人精品无人区| 97人妻天天添夜夜摸| 麻豆国产av国片精品| 久久久国产欧美日韩av| svipshipincom国产片| 天堂动漫精品| 日韩免费高清中文字幕av| 久久精品成人免费网站| 欧美+亚洲+日韩+国产| 校园春色视频在线观看| 91精品三级在线观看| 91九色精品人成在线观看| 午夜福利在线观看吧| 999久久久国产精品视频| 自拍欧美九色日韩亚洲蝌蚪91| 精品乱码久久久久久99久播| 欧美日韩国产mv在线观看视频| 电影成人av| 老熟妇仑乱视频hdxx| 久久久久国产一级毛片高清牌| 99热只有精品国产| 欧美乱色亚洲激情| 青草久久国产| 国产成人系列免费观看| 国产精品一区二区免费欧美| 精品国产乱码久久久久久男人| 久热爱精品视频在线9| 视频区图区小说| 国产淫语在线视频| 高潮久久久久久久久久久不卡| 99精国产麻豆久久婷婷| 国产亚洲精品久久久久久毛片 | 另类亚洲欧美激情| 99国产精品99久久久久| av超薄肉色丝袜交足视频| 天天躁夜夜躁狠狠躁躁| 国产精品 欧美亚洲| 国产精品.久久久| 亚洲色图av天堂| 欧美日韩福利视频一区二区| 国产不卡一卡二| 日日夜夜操网爽| 亚洲aⅴ乱码一区二区在线播放 | 黑丝袜美女国产一区| 亚洲欧美日韩另类电影网站| 日本vs欧美在线观看视频| 另类亚洲欧美激情| 欧美乱码精品一区二区三区| 亚洲五月婷婷丁香| 亚洲国产精品sss在线观看 | av不卡在线播放| 国产av又大| 国产一区在线观看成人免费| 窝窝影院91人妻| 亚洲av欧美aⅴ国产| 好男人电影高清在线观看| 欧美国产精品一级二级三级| 五月开心婷婷网| 精品福利观看| 很黄的视频免费| 18禁国产床啪视频网站| 一本综合久久免费| 制服诱惑二区| 国产不卡一卡二| 国产成人免费无遮挡视频| a级毛片在线看网站| 乱人伦中国视频| 久久午夜综合久久蜜桃| 大陆偷拍与自拍| 精品国产亚洲在线| 亚洲第一欧美日韩一区二区三区| 欧美日本中文国产一区发布| 岛国在线观看网站| 国产欧美日韩综合在线一区二区| 少妇被粗大的猛进出69影院| 好看av亚洲va欧美ⅴa在| 久久九九热精品免费| 国产xxxxx性猛交| 国产1区2区3区精品| 色精品久久人妻99蜜桃| 国产野战对白在线观看| 亚洲精品久久午夜乱码| 欧美精品人与动牲交sv欧美| 99国产极品粉嫩在线观看| 黑人欧美特级aaaaaa片| 高清黄色对白视频在线免费看| 18禁观看日本| www.熟女人妻精品国产| 国产精品自产拍在线观看55亚洲 | 国产麻豆69| 国产精品免费一区二区三区在线 | 色94色欧美一区二区| 久久香蕉精品热| 老司机午夜福利在线观看视频| 国产午夜精品久久久久久| 国产精品一区二区精品视频观看| 99热网站在线观看| 十八禁网站免费在线| 国产乱人伦免费视频| av片东京热男人的天堂| 高清视频免费观看一区二区| 激情在线观看视频在线高清 | 久久精品aⅴ一区二区三区四区| 亚洲av成人一区二区三| 欧美乱妇无乱码| 精品一品国产午夜福利视频| 欧美日韩国产mv在线观看视频| 久久午夜亚洲精品久久| 搡老岳熟女国产| 一区二区三区国产精品乱码| 在线观看午夜福利视频| 国产一区有黄有色的免费视频| 亚洲欧美日韩高清在线视频| 啪啪无遮挡十八禁网站| 国产亚洲精品第一综合不卡| 精品久久久久久久久久免费视频 | 亚洲色图 男人天堂 中文字幕| 久久精品熟女亚洲av麻豆精品| 午夜91福利影院| 午夜精品在线福利| 精品人妻在线不人妻| 亚洲专区字幕在线| 别揉我奶头~嗯~啊~动态视频| 久久亚洲精品不卡| 国产在视频线精品| 99香蕉大伊视频| 18禁国产床啪视频网站| 女性被躁到高潮视频| 性少妇av在线|