• <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 ?

    基于改進支持向量機的推薦系統(tǒng)托攻擊檢測方法

    2016-04-12 00:00:00李華中楊景花
    現(xiàn)代電子技術 2016年18期

    摘 要: 使用具有較好泛化能力的支持向量機算法建立推薦系統(tǒng)托攻擊檢測模型,由于在傳統(tǒng)支持向量機算法中,用來控制錯誤識別樣本懲罰度的懲罰因子的具體參數(shù)以及不敏感損失參數(shù)的具體參數(shù)由使用者決策,并在較大程度上決定支持向量機的性能。標準PSO算法的收斂性能基本取決于學習算子和慣性系數(shù)等重要參數(shù)的選取。標準PSO算法前期收斂速度很快,后期則比較緩慢,粒子群趨同性造成算法后期容易陷入局部最小值,即進入早熟。因此,使用混沌優(yōu)化算法與PSO算法共同完成對傳統(tǒng)支持向量機算法的優(yōu)化。最后使用MovieLense100K數(shù)據(jù)集進行實例分析,從檢測結果對比可以看出,填充率越高,檢測準確率越高,研究的改進支持向量機具有最優(yōu)的檢測性能,能夠幫助推薦系統(tǒng)防范托攻擊,以得到較精準的用戶評分數(shù)據(jù)。

    關鍵詞: 推薦系統(tǒng); 托攻擊; 改進支持向量機算法; 混沌優(yōu)化算法

    中圖分類號: TN98?34; TP311 文獻標識碼: A 文章編號: 1004?373X(2016)18?0096?03

    Abstract: A support vector machine algorithm with good generalization ability is used to establish the shilling attack detection model of recommendation system. In traditional support vector machine algorithm, the specific parameters of the penalty factor used to control the misrecognition sample penalty and insensitive loss parameters are determined by users, which can decide the performance of support vector machine to a great extent. The convergence performance of the standard PSO algorithm depends on the selection of the important parameters, such as learning operator and inertia coefficient. The convergence speed of the standard PSO algorithm is fast at early stage and relatively slow at latter stage, and the algorithm is easy to fall into local minimum (early maturity) due to PSO convergence. Therefore, both the chaos optimization algorithm and PSO algorithm are used to optimize the traditional support vector machine algorithm. The MovieLense100K dataset is used for instance analysis. The detection results show that the higher the filling rate is, the higher detection accuracy becomes. The improved support vector machine algorithm has the best detection performance, and can help the recommendation system to prevent the shilling attack, so as to obtain more accurate user rating data.

    Keywords: recommendation system; shilling attack; improved support vector machine algorithm; chaos optimization algorithm

    0 引 言

    隨著互聯(lián)網(wǎng)的不斷發(fā)展,人們獲取越來越多的信息,但是面對海量的數(shù)據(jù)和信息,人們難以在短時間內(nèi)獲取自己需要的信息,而個性化推薦系統(tǒng)的出現(xiàn)能夠幫助人們快速獲取信息,為用戶帶來方便。在現(xiàn)行的推薦算法中,使用最為廣泛的方法就是協(xié)同過濾推薦方法,但是外部惡意使用者極易通過協(xié)同過濾推薦方法的開放性和用戶參與性對其進行惡意攻擊。攻擊者(可能是競爭者)偽造用戶概貌(或用戶偏好數(shù)據(jù)),影響被推薦系統(tǒng)的推薦結果, 通常稱之為“用戶概貌注入攻擊”或“托攻擊”。因此對推薦系統(tǒng)托攻擊的檢測,提高推薦系統(tǒng)托攻擊防范能力是保證推薦系統(tǒng)可靠運行的重要方法,也是目前推薦系統(tǒng)研究方向中的熱點問題之一[1]。

    有督導的機器學習方法中,支持向量機算法因其具有較好的泛化能力、具有稀疏表示解等諸多優(yōu)良特性而在托攻擊檢測領域得到較好應用,其檢測性能優(yōu)于決策樹、神經(jīng)網(wǎng)絡等算法[2]。

    1 托攻擊特征提取

    本文使用整體信息熵、窗口信息熵以及窗口填充規(guī)模對推薦系統(tǒng)進行托攻擊特征提取。

    式中:fi是支持向量機實際輸出;yi是期望輸出[8?9]。

    本文改進支持向量機算法步驟如下:

    STEP 1:初始化最大進化代數(shù)、慣性系數(shù)取值范圍、種群規(guī)模、學習算子取值范圍、粒子群飛行速度取值范圍等改進混沌粒子群優(yōu)化算法的參數(shù),以及初始化不敏感損失參數(shù)、懲罰因子、最優(yōu)權系數(shù)、RBF的核參數(shù)等支持向量機算法參數(shù)。

    STEP 2:將粒子個體極值設定為該粒子的當前位置。通過均方差函數(shù)計算粒子適應度值,將最優(yōu)的粒子的個體極值設定為全局極值。

    STEP 3:如果達到收斂條件,則直接跳轉到STEP 10,否則進入STEP 4繼續(xù)優(yōu)化。

    STEP 4:對粒子的位置和速度采用混沌模型與PSO算法結合的優(yōu)化方法進行更新。

    STEP 5:若適應度值滿足[FPdi

    STEP 6:若更新后的[Pdbest],滿足[FPdbest<][FGdbest],則更新[Gdbest]。

    STEP 7:如果達到收斂條件,則直接跳轉到STEP 10,否則進入STEP 8繼續(xù)優(yōu)化。

    STEP 8:計算種群適應值的方差[δ2],如果滿足早熟處理條件,則進行早熟處理操作,如果不滿足早熟處理條件,則跳轉到STEP 4。

    STEP 9:對粒子的位置和速度采用混沌模型與PSO算法結合的優(yōu)化方法進行更新。對陷入局部最小值的粒子進行早熟處理操作,之后跳轉到STEP 3。

    STEP 10:通過上述方法得到支持向量機的懲罰因子、不敏感損失參數(shù)、最優(yōu)權系數(shù)及RBF的核等參數(shù)的最優(yōu)解,實現(xiàn)對支持向量機參數(shù)的優(yōu)化的改進[10?11]。

    3 實例分析

    本文以MovieLense100K數(shù)據(jù)集中的數(shù)據(jù)作為實例進行分析,MovieLense100K數(shù)據(jù)集包含了900多位用戶對1 600多部電影多達100 000條評分數(shù)據(jù)?,F(xiàn)在假設該數(shù)據(jù)集中沒有任何托攻擊數(shù)據(jù),本文針對攻擊為15%,填充率設定在5%,10%,15%以及20%情況下的隨機攻擊、流行攻擊以及均值攻擊這三種攻擊模式進行檢測,使用常規(guī)的支持向量機算法、標準粒子群優(yōu)化的支持向量機算法與本文改進支持向量機算法進行對比研究[12]。不同算法對為15%的攻擊規(guī)模下三種攻擊模式的檢測準確率及查全率對比如圖1,圖2所示。

    從檢測結果對比可以看出,填充率越高,檢測準確率越高,本文研究的改進支持向量機具有最優(yōu)的檢測性能,能夠幫助推薦系統(tǒng)防范托攻擊,以得到較精準的用戶評分數(shù)據(jù)。三種算法針對填充率為5%,10%,15%以及20%時的訓練時間對比如表1所示。本文研究的改進支持向量機同樣具有明顯優(yōu)勢,其訓練時間最短,能夠有效提高托攻擊檢測的效率。

    4 結 論

    對推薦系統(tǒng)托攻擊的檢測,提高推薦系統(tǒng)托攻擊防范能力是保證推薦系統(tǒng)可靠運行的重要方法,也是目前推薦系統(tǒng)研究方向中的熱點問題之一。本文使用具有較好泛化能力的支持向量機算法建立推薦系統(tǒng)托攻擊檢測模型,使用混沌優(yōu)化算法與PSO算法共同完成對傳統(tǒng)支持向量機算法的優(yōu)化。最后使用MovieLense100K數(shù)據(jù)集進行實例分析,從檢測結果對比可以看出,填充率越高,檢測準確率越高,本文研究的改進支持向量機具有最優(yōu)的檢測性能,能夠幫助推薦系統(tǒng)防范托攻擊,以得到較精準的用戶評分數(shù)據(jù)。

    參考文獻

    [1] 呂成戍.基于特征選擇和支持向量機的托攻擊檢測方法[J].計算機應用與軟件,2015,32(5):270?272.

    [2] 呂成戍.基于代價敏感支持向量機的推薦系統(tǒng)托攻擊檢測方法[J].計算機工程與科學,2014,36(4):697?701.

    [3] 呂成戍,王維國.不均衡數(shù)據(jù)集下基于SVM的托攻擊檢測方法[J].計算機工程,2013,39(5):132?135.

    [4] 呂成戍,王維國.一種基于混合策略的推薦系統(tǒng)托攻擊檢測方法[J].計算機工程與科學,2013,35(8):174?179.

    [5] 匡芳君,徐蔚鴻,張思揚.基于改進混沌粒子群的混合核SVM參數(shù)優(yōu)化及應用[J].計算機應用研究,2014,31(3):671?674.

    [6] 匡芳君.群智能混合優(yōu)化算法及其應用研究[D].南京:南京理工大學,2014.

    [7] 霍明.短期負荷預測的支持向量機模型參數(shù)優(yōu)化方法研究[D].長沙:湖南大學,2009.

    [8] 王佳.混合核支持向量機參數(shù)優(yōu)化及其應用研究[D].長沙:長沙理工大學,2011.

    [9] 毛志亮.混合核函數(shù)支持向量機在發(fā)酵過程建模中的應用研究[D].無錫:江南大學,2011.

    [10] 單黎黎,張宏軍,王杰,等.一種改進粒子群算法的混合核ε?SVM參數(shù)優(yōu)化及應用[J].計算機應用研究,2013,30(6):1636?1639.

    [11] 陳其松.智能優(yōu)化支持向量機預測算法及應用研究[D].貴陽:貴州大學,2009.

    [12] 呂成戍,王維國.基于SVM?KNN的半監(jiān)督托攻擊檢測方法[J].計算機工程與應用,2013,49(22):7?10.

    国产成人精品久久二区二区免费| 大香蕉久久成人网| 五月天丁香电影| 欧美一级毛片孕妇| 欧美精品人与动牲交sv欧美| 另类亚洲欧美激情| 亚洲专区字幕在线| 777米奇影视久久| 黄频高清免费视频| 欧美精品亚洲一区二区| 免费久久久久久久精品成人欧美视频| 日韩人妻精品一区2区三区| 妹子高潮喷水视频| 日日夜夜操网爽| 国产欧美日韩综合在线一区二区| 国产在线视频一区二区| 国产亚洲精品第一综合不卡| 曰老女人黄片| 男男h啪啪无遮挡| 丰满迷人的少妇在线观看| 精品久久蜜臀av无| 国产av精品麻豆| 免费少妇av软件| 精品久久久精品久久久| 久久久久国产一级毛片高清牌| 国产国语露脸激情在线看| 国产成人精品在线电影| 国产高清视频在线播放一区 | 91九色精品人成在线观看| www.精华液| 黄色片一级片一级黄色片| 免费高清在线观看视频在线观看| 亚洲欧美一区二区三区黑人| 日韩精品免费视频一区二区三区| 中文字幕精品免费在线观看视频| 精品第一国产精品| 操出白浆在线播放| 亚洲国产精品一区二区三区在线| 男女床上黄色一级片免费看| 国产主播在线观看一区二区| 国产野战对白在线观看| 黄色 视频免费看| 777久久人妻少妇嫩草av网站| 国产免费一区二区三区四区乱码| 2018国产大陆天天弄谢| 久久久精品国产亚洲av高清涩受| 两性夫妻黄色片| 91成人精品电影| av天堂在线播放| 亚洲专区国产一区二区| 黑人操中国人逼视频| 国产亚洲午夜精品一区二区久久| 日韩一卡2卡3卡4卡2021年| 国产欧美日韩精品亚洲av| 久热爱精品视频在线9| 亚洲色图综合在线观看| 国产麻豆69| 亚洲一区二区三区欧美精品| 老汉色av国产亚洲站长工具| 精品亚洲乱码少妇综合久久| 欧美日韩av久久| 人妻人人澡人人爽人人| 欧美少妇被猛烈插入视频| 18禁裸乳无遮挡动漫免费视频| 这个男人来自地球电影免费观看| 久久中文字幕一级| 99精品欧美一区二区三区四区| 天天躁夜夜躁狠狠躁躁| 99国产精品一区二区三区| 黄色片一级片一级黄色片| 成年人黄色毛片网站| 成年人免费黄色播放视频| 一区二区日韩欧美中文字幕| 国产一区有黄有色的免费视频| 少妇猛男粗大的猛烈进出视频| 一区二区av电影网| 免费高清在线观看视频在线观看| 欧美激情高清一区二区三区| 欧美变态另类bdsm刘玥| 97人妻天天添夜夜摸| 青青草视频在线视频观看| 黄色片一级片一级黄色片| 国产熟女午夜一区二区三区| 午夜91福利影院| 国产男女超爽视频在线观看| 精品乱码久久久久久99久播| 精品人妻一区二区三区麻豆| 国产免费一区二区三区四区乱码| 啦啦啦在线免费观看视频4| av福利片在线| 日韩大码丰满熟妇| 人人妻人人澡人人爽人人夜夜| 亚洲精品久久成人aⅴ小说| 悠悠久久av| 又紧又爽又黄一区二区| 黑人操中国人逼视频| 人人妻人人添人人爽欧美一区卜| 日韩有码中文字幕| 免费观看av网站的网址| 19禁男女啪啪无遮挡网站| 久久精品熟女亚洲av麻豆精品| 亚洲成人免费电影在线观看| 搡老熟女国产l中国老女人| 久久久久久亚洲精品国产蜜桃av| 国产色视频综合| 永久免费av网站大全| 99国产精品免费福利视频| 少妇精品久久久久久久| 亚洲精品国产av蜜桃| 国产亚洲精品一区二区www | 啦啦啦中文免费视频观看日本| 2018国产大陆天天弄谢| 极品人妻少妇av视频| 亚洲人成电影观看| 女性生殖器流出的白浆| 亚洲伊人色综图| 亚洲精品成人av观看孕妇| 日韩中文字幕视频在线看片| 香蕉丝袜av| 国产亚洲av片在线观看秒播厂| 激情视频va一区二区三区| 欧美精品啪啪一区二区三区 | 啦啦啦视频在线资源免费观看| 国产成人啪精品午夜网站| 99久久国产精品久久久| 精品国产一区二区久久| 久9热在线精品视频| 亚洲欧美精品自产自拍| 中文字幕另类日韩欧美亚洲嫩草| 一二三四社区在线视频社区8| 亚洲精品久久成人aⅴ小说| 天天躁夜夜躁狠狠躁躁| 老司机在亚洲福利影院| 一本久久精品| 亚洲自偷自拍图片 自拍| 看免费av毛片| 欧美少妇被猛烈插入视频| 自拍欧美九色日韩亚洲蝌蚪91| 热99re8久久精品国产| 日本av免费视频播放| 成年人黄色毛片网站| 亚洲精品日韩在线中文字幕| 国内毛片毛片毛片毛片毛片| 他把我摸到了高潮在线观看 | 曰老女人黄片| 久久精品国产综合久久久| 国产片内射在线| 亚洲avbb在线观看| 国产人伦9x9x在线观看| 人成视频在线观看免费观看| 91成年电影在线观看| 成年人免费黄色播放视频| 视频区欧美日本亚洲| 精品人妻1区二区| 久久人人97超碰香蕉20202| 妹子高潮喷水视频| 久热爱精品视频在线9| 国产精品久久久久久精品电影小说| 丁香六月欧美| 丁香六月欧美| 看免费av毛片| 免费在线观看日本一区| 欧美精品av麻豆av| 男女国产视频网站| 美女扒开内裤让男人捅视频| 国产区一区二久久| 亚洲免费av在线视频| 亚洲精品自拍成人| 国产熟女午夜一区二区三区| 国产成人精品久久二区二区91| 国产精品九九99| 超色免费av| 久久久久精品人妻al黑| 亚洲中文av在线| 免费少妇av软件| 涩涩av久久男人的天堂| 日韩制服丝袜自拍偷拍| 婷婷成人精品国产| 久久人人爽人人片av| 欧美国产精品va在线观看不卡| 精品卡一卡二卡四卡免费| 精品久久久精品久久久| 高潮久久久久久久久久久不卡| 亚洲欧洲日产国产| 亚洲国产欧美在线一区| 菩萨蛮人人尽说江南好唐韦庄| 可以免费在线观看a视频的电影网站| 中文字幕色久视频| 午夜成年电影在线免费观看| 国产日韩一区二区三区精品不卡| 国精品久久久久久国模美| 咕卡用的链子| av不卡在线播放| 亚洲精品一卡2卡三卡4卡5卡 | 国产男人的电影天堂91| www.熟女人妻精品国产| 亚洲色图综合在线观看| 啦啦啦中文免费视频观看日本| 青草久久国产| 欧美人与性动交α欧美精品济南到| 成年美女黄网站色视频大全免费| 丝袜美腿诱惑在线| 亚洲国产毛片av蜜桃av| 国产av一区二区精品久久| 久久久久国产精品人妻一区二区| 一本综合久久免费| 欧美另类亚洲清纯唯美| 一本—道久久a久久精品蜜桃钙片| 日韩大码丰满熟妇| 狠狠婷婷综合久久久久久88av| 99国产综合亚洲精品| 久久精品国产亚洲av香蕉五月 | 亚洲七黄色美女视频| 欧美黄色片欧美黄色片| 十八禁网站免费在线| 精品亚洲成a人片在线观看| 丁香六月天网| 一边摸一边做爽爽视频免费| 一本久久精品| 国产1区2区3区精品| 亚洲国产欧美在线一区| 欧美精品av麻豆av| 亚洲国产av新网站| 老司机午夜十八禁免费视频| 日韩大片免费观看网站| 国产人伦9x9x在线观看| 国产成人精品久久二区二区免费| 亚洲专区字幕在线| 亚洲精品国产av成人精品| 国产成人av激情在线播放| 两人在一起打扑克的视频| 又大又爽又粗| 久久久国产精品麻豆| av视频免费观看在线观看| 好男人电影高清在线观看| 亚洲av成人一区二区三| av一本久久久久| 大片电影免费在线观看免费| 欧美日韩福利视频一区二区| 最黄视频免费看| 日本一区二区免费在线视频| 久久这里只有精品19| 亚洲一卡2卡3卡4卡5卡精品中文| a在线观看视频网站| 亚洲综合色网址| 亚洲av成人一区二区三| 成人av一区二区三区在线看 | 免费不卡黄色视频| 高潮久久久久久久久久久不卡| 美女国产高潮福利片在线看| 日韩制服丝袜自拍偷拍| 捣出白浆h1v1| 亚洲五月婷婷丁香| 亚洲综合色网址| 亚洲精品久久午夜乱码| 精品卡一卡二卡四卡免费| 老司机亚洲免费影院| 久久国产精品影院| 婷婷色av中文字幕| 老熟女久久久| 欧美97在线视频| 久久亚洲国产成人精品v| 欧美日本中文国产一区发布| 亚洲av电影在线进入| 国产伦人伦偷精品视频| 香蕉国产在线看| 国产1区2区3区精品| 黄片播放在线免费| 亚洲av片天天在线观看| 老司机深夜福利视频在线观看 | 美女高潮到喷水免费观看| 亚洲七黄色美女视频| 亚洲一区二区三区欧美精品| 久久久精品国产亚洲av高清涩受| 精品一区在线观看国产| 真人做人爱边吃奶动态| 日韩一区二区三区影片| 丁香六月天网| 国产91精品成人一区二区三区 | 久久久精品免费免费高清| 亚洲av美国av| 国产成人精品在线电影| 交换朋友夫妻互换小说| 最新的欧美精品一区二区| 日韩有码中文字幕| 少妇人妻久久综合中文| 亚洲欧洲精品一区二区精品久久久| 少妇猛男粗大的猛烈进出视频| 9热在线视频观看99| 国产高清视频在线播放一区 | 免费看十八禁软件| 亚洲熟女精品中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 高清欧美精品videossex| 国产日韩欧美视频二区| 亚洲av成人不卡在线观看播放网 | 视频区图区小说| 在线av久久热| 久久影院123| 黑人操中国人逼视频| 日韩一区二区三区影片| 97在线人人人人妻| 18禁国产床啪视频网站| 国产精品自产拍在线观看55亚洲 | 亚洲中文日韩欧美视频| 动漫黄色视频在线观看| 人妻 亚洲 视频| av有码第一页| 久久天躁狠狠躁夜夜2o2o| 日本撒尿小便嘘嘘汇集6| 一级毛片电影观看| 久久久久网色| 国产欧美日韩一区二区三区在线| 欧美在线黄色| www.999成人在线观看| 亚洲av日韩在线播放| 99精品久久久久人妻精品| 亚洲精品国产一区二区精华液| 亚洲欧美一区二区三区久久| 黑人巨大精品欧美一区二区mp4| 十八禁高潮呻吟视频| 日本精品一区二区三区蜜桃| 亚洲国产精品一区二区三区在线| 69精品国产乱码久久久| www.精华液| 欧美日韩国产mv在线观看视频| 性色av一级| 日本欧美视频一区| 五月开心婷婷网| 久久久久国内视频| 十分钟在线观看高清视频www| 亚洲欧洲精品一区二区精品久久久| 丝袜脚勾引网站| 男女午夜视频在线观看| 黄色视频不卡| 亚洲精华国产精华精| 国产麻豆69| 久久综合国产亚洲精品| 岛国在线观看网站| 久久人人97超碰香蕉20202| 午夜福利一区二区在线看| 免费高清在线观看日韩| 制服诱惑二区| 成人影院久久| 男人爽女人下面视频在线观看| 另类亚洲欧美激情| 亚洲精品久久久久久婷婷小说| 亚洲第一欧美日韩一区二区三区 | 亚洲人成电影观看| 天堂8中文在线网| 国产视频一区二区在线看| 1024香蕉在线观看| 欧美人与性动交α欧美精品济南到| 国产一区二区 视频在线| 99国产精品一区二区三区| 欧美97在线视频| 黄频高清免费视频| 亚洲精华国产精华精| 精品国产乱码久久久久久男人| 国产一区二区三区在线臀色熟女 | 久久国产精品影院| 天堂俺去俺来也www色官网| 成人av一区二区三区在线看 | 久久99一区二区三区| 麻豆国产av国片精品| 久久热在线av| 亚洲国产精品成人久久小说| 国产日韩欧美亚洲二区| 波多野结衣av一区二区av| 在线天堂中文资源库| 亚洲人成电影观看| 欧美中文综合在线视频| 手机成人av网站| 久久中文看片网| 国产免费福利视频在线观看| 黄色片一级片一级黄色片| 在线观看免费高清a一片| 午夜精品国产一区二区电影| 国产91精品成人一区二区三区 | 日本精品一区二区三区蜜桃| 极品人妻少妇av视频| 精品少妇一区二区三区视频日本电影| 亚洲av电影在线进入| 老司机福利观看| a 毛片基地| 两个人免费观看高清视频| 在线看a的网站| 免费av中文字幕在线| 妹子高潮喷水视频| 男女床上黄色一级片免费看| 后天国语完整版免费观看| 丁香六月欧美| 乱人伦中国视频| 亚洲精品中文字幕一二三四区 | 别揉我奶头~嗯~啊~动态视频 | 久久精品熟女亚洲av麻豆精品| 日韩人妻精品一区2区三区| 正在播放国产对白刺激| 18禁观看日本| cao死你这个sao货| 国产精品一区二区免费欧美 | 在线观看免费日韩欧美大片| 久久热在线av| 亚洲国产成人一精品久久久| 日韩三级视频一区二区三区| 99香蕉大伊视频| 亚洲av成人一区二区三| 黑人巨大精品欧美一区二区蜜桃| 午夜福利在线免费观看网站| 色婷婷av一区二区三区视频| 亚洲精品国产av成人精品| 亚洲少妇的诱惑av| 久久人妻熟女aⅴ| 欧美另类亚洲清纯唯美| 777久久人妻少妇嫩草av网站| 午夜福利一区二区在线看| 麻豆av在线久日| 正在播放国产对白刺激| 天堂俺去俺来也www色官网| 国产一区二区激情短视频 | 国产又爽黄色视频| 人成视频在线观看免费观看| 欧美久久黑人一区二区| 欧美亚洲日本最大视频资源| 久久久久精品人妻al黑| 国产极品粉嫩免费观看在线| 在线十欧美十亚洲十日本专区| 欧美av亚洲av综合av国产av| 欧美精品人与动牲交sv欧美| 精品一区二区三区av网在线观看 | 高清av免费在线| 午夜成年电影在线免费观看| 王馨瑶露胸无遮挡在线观看| 91成人精品电影| 亚洲国产精品999| 1024视频免费在线观看| 欧美久久黑人一区二区| 热99国产精品久久久久久7| 不卡一级毛片| 亚洲性夜色夜夜综合| 精品久久蜜臀av无| 一级a爱视频在线免费观看| 一二三四社区在线视频社区8| 欧美精品一区二区免费开放| 中文字幕av电影在线播放| 91成人精品电影| 国产精品自产拍在线观看55亚洲 | 精品卡一卡二卡四卡免费| 精品亚洲乱码少妇综合久久| 国产精品av久久久久免费| 成年人黄色毛片网站| 国产亚洲精品一区二区www | av网站免费在线观看视频| 久久ye,这里只有精品| 久久久精品区二区三区| 五月开心婷婷网| 人人妻人人澡人人看| 午夜福利影视在线免费观看| 在线观看人妻少妇| 久久精品国产亚洲av高清一级| 国产男人的电影天堂91| 精品一区二区三区av网在线观看 | e午夜精品久久久久久久| 中文字幕最新亚洲高清| 热re99久久国产66热| 亚洲国产欧美日韩在线播放| 亚洲精品久久成人aⅴ小说| 中文欧美无线码| 天天躁日日躁夜夜躁夜夜| 午夜福利视频在线观看免费| 国产伦人伦偷精品视频| 一级毛片电影观看| 又紧又爽又黄一区二区| 成人国语在线视频| 老司机亚洲免费影院| 一区福利在线观看| 丝袜人妻中文字幕| 久久 成人 亚洲| 国产亚洲av片在线观看秒播厂| 69av精品久久久久久 | 国产精品秋霞免费鲁丝片| 咕卡用的链子| 久久久精品免费免费高清| 桃花免费在线播放| 久久久久久久国产电影| 少妇裸体淫交视频免费看高清 | 丝袜美足系列| 国产一区有黄有色的免费视频| 国产免费福利视频在线观看| 国产一区二区 视频在线| 韩国高清视频一区二区三区| 午夜福利一区二区在线看| 久9热在线精品视频| 在线观看舔阴道视频| 亚洲第一av免费看| 伊人亚洲综合成人网| 欧美国产精品一级二级三级| 一级a爱视频在线免费观看| 他把我摸到了高潮在线观看 | 日韩人妻精品一区2区三区| 亚洲av成人一区二区三| 亚洲,欧美精品.| 亚洲一码二码三码区别大吗| 男女之事视频高清在线观看| 黑人欧美特级aaaaaa片| 他把我摸到了高潮在线观看 | 久久精品aⅴ一区二区三区四区| 美女主播在线视频| 欧美激情久久久久久爽电影 | 美女国产高潮福利片在线看| 久久久国产精品麻豆| 一级毛片女人18水好多| 国产av一区二区精品久久| 午夜老司机福利片| 天堂俺去俺来也www色官网| 欧美激情高清一区二区三区| 色视频在线一区二区三区| 免费少妇av软件| 日本五十路高清| 免费观看人在逋| av国产精品久久久久影院| 国产在线一区二区三区精| 亚洲欧美一区二区三区黑人| 色视频在线一区二区三区| 新久久久久国产一级毛片| 久久久久国内视频| 一区二区三区四区激情视频| 男女午夜视频在线观看| 亚洲激情五月婷婷啪啪| 国精品久久久久久国模美| 日本欧美视频一区| 久久香蕉激情| 一边摸一边抽搐一进一出视频| 性高湖久久久久久久久免费观看| 日韩中文字幕视频在线看片| 亚洲精品中文字幕在线视频| 男女之事视频高清在线观看| 91老司机精品| 在线观看一区二区三区激情| 国产精品成人在线| 无限看片的www在线观看| 国产三级黄色录像| 国产高清videossex| av在线app专区| 美女主播在线视频| av免费在线观看网站| 日韩视频一区二区在线观看| 久久热在线av| 国产精品久久久人人做人人爽| 菩萨蛮人人尽说江南好唐韦庄| 久久久精品区二区三区| 亚洲av欧美aⅴ国产| 女性被躁到高潮视频| 19禁男女啪啪无遮挡网站| 国产人伦9x9x在线观看| av在线老鸭窝| 免费观看a级毛片全部| 一二三四在线观看免费中文在| 国产精品av久久久久免费| 久久久久久久精品精品| av欧美777| 国产成人免费观看mmmm| 中文字幕制服av| 中文欧美无线码| 日韩 亚洲 欧美在线| 日韩欧美免费精品| 日日摸夜夜添夜夜添小说| 99re6热这里在线精品视频| 免费av中文字幕在线| 免费少妇av软件| 极品人妻少妇av视频| 三上悠亚av全集在线观看| 国产黄频视频在线观看| 国产精品一区二区精品视频观看| 欧美激情高清一区二区三区| 中文字幕av电影在线播放| 国产真人三级小视频在线观看| 亚洲一区二区三区欧美精品| 不卡av一区二区三区| 黄频高清免费视频| 亚洲国产欧美网| 日韩视频一区二区在线观看| 亚洲精品av麻豆狂野| 亚洲男人天堂网一区| 搡老乐熟女国产| 亚洲精品久久成人aⅴ小说| 亚洲国产欧美在线一区| 无遮挡黄片免费观看| 日本一区二区免费在线视频| 悠悠久久av| 成年人黄色毛片网站| 国产日韩欧美视频二区| 视频在线观看一区二区三区| 老司机在亚洲福利影院| 大型av网站在线播放| 亚洲自偷自拍图片 自拍| 叶爱在线成人免费视频播放| 美女福利国产在线| 亚洲国产日韩一区二区| 一级毛片精品| 国产三级黄色录像| 人人妻人人添人人爽欧美一区卜| 欧美黑人精品巨大| 国产亚洲午夜精品一区二区久久| 美女中出高潮动态图| 亚洲国产欧美在线一区| 国产一区有黄有色的免费视频| 国产97色在线日韩免费| av天堂在线播放| 可以免费在线观看a视频的电影网站| 精品亚洲乱码少妇综合久久| 国产成人av教育| 好男人电影高清在线观看| 热99re8久久精品国产| 女人被躁到高潮嗷嗷叫费观|