• <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 ?

    一種基于本體的并行網(wǎng)絡(luò)流量分類(lèi)方法

    2016-11-17 02:19:30陶曉玲
    關(guān)鍵詞:網(wǎng)絡(luò)流量海量本體

    陶曉玲,韋 毅,王 勇,3

    (1. 桂林電子科技大學(xué)認(rèn)知無(wú)線(xiàn)電與信息處理省部共建教育部重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004;2. 桂林電子科技大學(xué)廣西高校云計(jì)算與復(fù)雜系統(tǒng)重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004;3. 桂林電子科技大學(xué)廣西可信軟件重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004)

    一種基于本體的并行網(wǎng)絡(luò)流量分類(lèi)方法

    陶曉玲1,2,韋 毅2,王 勇2,3

    (1. 桂林電子科技大學(xué)認(rèn)知無(wú)線(xiàn)電與信息處理省部共建教育部重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004;2. 桂林電子科技大學(xué)廣西高校云計(jì)算與復(fù)雜系統(tǒng)重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004;3. 桂林電子科技大學(xué)廣西可信軟件重點(diǎn)實(shí)驗(yàn)室 廣西 桂林 541004)

    海量網(wǎng)絡(luò)流量數(shù)據(jù)的處理與單一節(jié)點(diǎn)的計(jì)算能力瓶頸這一矛盾導(dǎo)致數(shù)據(jù)分類(lèi)效率低,無(wú)法滿(mǎn)足現(xiàn)實(shí)需求。為解決這一問(wèn)題,結(jié)合本體與MapReduce技術(shù)各自在海量異構(gòu)數(shù)據(jù)描述與處理方面的優(yōu)勢(shì),提出一種基于本體的并行網(wǎng)絡(luò)流量分類(lèi)方法。該方法基于MapReduce并行計(jì)算架構(gòu),根據(jù)網(wǎng)絡(luò)流量本體結(jié)構(gòu),對(duì)網(wǎng)絡(luò)流量本體并行化構(gòu)建;通過(guò)并行知識(shí)推理完成基于流量統(tǒng)計(jì)特征的網(wǎng)絡(luò)流量分類(lèi)。實(shí)驗(yàn)結(jié)果表明,集群環(huán)境下基于MapReduce的網(wǎng)絡(luò)流量本體構(gòu)建效率明顯高于單機(jī)環(huán)境,而且適當(dāng)增加計(jì)算節(jié)點(diǎn)使得加速比線(xiàn)性提升;并行知識(shí)推理的分類(lèi)方法能夠有效地提高大規(guī)模網(wǎng)絡(luò)流量的分類(lèi)效率。

    知識(shí)推理; MapReduce; 網(wǎng)絡(luò)流量分類(lèi); 本體; 并行化

    作為管理和優(yōu)化各類(lèi)網(wǎng)絡(luò)資源的關(guān)鍵技術(shù),網(wǎng)絡(luò)流量分類(lèi)[1]廣泛應(yīng)用于網(wǎng)絡(luò)監(jiān)控、服務(wù)質(zhì)量(quality of service, QoS)管理、網(wǎng)絡(luò)安全、態(tài)勢(shì)分析等領(lǐng)域,是高效實(shí)現(xiàn)網(wǎng)絡(luò)管理、流量控制以及安全檢測(cè)的重要環(huán)節(jié)。隨著Web技術(shù)的發(fā)展和企業(yè)信息化需求的不斷提高,許多新型網(wǎng)絡(luò)應(yīng)用模式和需求應(yīng)運(yùn)而生,網(wǎng)絡(luò)環(huán)境也升級(jí)為高速、大規(guī)模、復(fù)雜網(wǎng)絡(luò),隨之而來(lái)的網(wǎng)絡(luò)流量數(shù)據(jù)呈現(xiàn)出新的特點(diǎn):海量(數(shù)量驚人、信息豐富)、多源(數(shù)據(jù)源分布在離散的,彼此可以通信的多個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)上)、異構(gòu)(格式異構(gòu)、語(yǔ)法異構(gòu)、語(yǔ)義異構(gòu)),致使網(wǎng)絡(luò)流量分類(lèi)面臨嚴(yán)峻的挑戰(zhàn)。

    其一,各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)傳感器使用不同的流量采集系統(tǒng)收集網(wǎng)絡(luò)數(shù)據(jù)包,在數(shù)據(jù)生成方式、存放方式和處理方式上呈現(xiàn)多樣化,出現(xiàn)網(wǎng)絡(luò)流量數(shù)據(jù)格式不一,類(lèi)型不同,且不同數(shù)據(jù)存在語(yǔ)義區(qū)分等問(wèn)題。因此,多個(gè)數(shù)據(jù)源提供的異構(gòu)網(wǎng)絡(luò)流量數(shù)據(jù)之間會(huì)存在數(shù)據(jù)不一致性問(wèn)題,從而影響網(wǎng)絡(luò)流量分類(lèi)結(jié)果的準(zhǔn)確性。

    其二,目前主流的網(wǎng)絡(luò)流量分類(lèi)方法是基于流量統(tǒng)計(jì)特征的機(jī)器學(xué)習(xí)方法[2],因?yàn)榇祟?lèi)方法需提取高維的流量統(tǒng)計(jì)特征,通過(guò)復(fù)雜的計(jì)算構(gòu)造分類(lèi)模型,面對(duì)海量的網(wǎng)絡(luò)流量數(shù)據(jù),處理時(shí)間開(kāi)銷(xiāo)較大,分類(lèi)效率不高,這使得其不能滿(mǎn)足高速網(wǎng)絡(luò)流量分類(lèi)的需求。

    本體[3]在信息系統(tǒng)中被定義為一種能在語(yǔ)義和知識(shí)層次上描述特定知識(shí)領(lǐng)域的形式化技術(shù),具有良好的概念層次結(jié)構(gòu),對(duì)邏輯推理無(wú)縫支持,為信息資源規(guī)范、無(wú)二義性和可擴(kuò)展性描述問(wèn)題提供了有效的解決途徑。文獻(xiàn)[4]提出采用本體作為網(wǎng)絡(luò)流量信息資源的統(tǒng)一描述的思路。

    并行處理技術(shù)MapReduce能夠?yàn)榭蓜澐值拇笠?guī)模數(shù)據(jù)并行計(jì)算處理問(wèn)題提供充分的并行計(jì)算語(yǔ)義,已經(jīng)被普遍接受。該技術(shù)為提高網(wǎng)絡(luò)流量分類(lèi)中海量數(shù)據(jù)處理效率問(wèn)題提供了新方法。因此,基于文獻(xiàn)[4],本文借助并行處理技術(shù)MapReduce,提出一種基于本體的并行網(wǎng)絡(luò)流量分類(lèi)方法。該方法將發(fā)揮MapReduce在海量異構(gòu)數(shù)據(jù)處理方面的優(yōu)勢(shì),為本體的構(gòu)建、知識(shí)管理及推理提供計(jì)算資源,用于海量網(wǎng)絡(luò)流量數(shù)據(jù)并行處理、分類(lèi),為高速大規(guī)模復(fù)雜網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)流量分類(lèi)提供新思路和理論方法依據(jù)。

    1 相關(guān)工作

    1.1 本體及其應(yīng)用

    本體本質(zhì)上是針對(duì)一個(gè)特定領(lǐng)域,對(duì)領(lǐng)域知識(shí)的標(biāo)準(zhǔn)化描述,以便相關(guān)領(lǐng)域?qū)W者在概念層面上達(dá)成共識(shí),相互之間實(shí)現(xiàn)知識(shí)共享。本體作為一種知識(shí)表達(dá)的工具[5]逐漸成為國(guó)內(nèi)外的研究熱點(diǎn)。文獻(xiàn)[6-8]主要集中在利用本體進(jìn)行信息資源描述的模型一致性、邏輯一致性和關(guān)系一致性三方面。由此可見(jiàn),本體為異構(gòu)數(shù)據(jù)提供了統(tǒng)一的概念接口,并且獨(dú)立于數(shù)據(jù)模式,可以對(duì)異構(gòu)數(shù)據(jù)進(jìn)行豐富的語(yǔ)義描述。

    本體也被應(yīng)用于決策支持系統(tǒng)中管理領(lǐng)域知識(shí),并被許多推理機(jī)支持,用于實(shí)現(xiàn)知識(shí)推理[9]。目前,基于本體的知識(shí)推理功能也被應(yīng)用于分類(lèi)問(wèn)題。文獻(xiàn)[10]提出了一個(gè)基于本體的海洋衛(wèi)星圖像分類(lèi)模型,構(gòu)建了基于決策樹(shù)和專(zhuān)家定制規(guī)則的圖像本體分類(lèi)器,該模型的分類(lèi)準(zhǔn)確率達(dá)到92.49%;文獻(xiàn)[11]將本體應(yīng)用于輕度認(rèn)知障礙(MCI)診斷,提出一種本體驅(qū)動(dòng)的利用磁共振成像(MRI)自動(dòng)診斷MCI的方法,并通過(guò)對(duì)比發(fā)現(xiàn)決策樹(shù)算法更適用于構(gòu)建推理規(guī)則集。

    近年來(lái),有少量研究者已嘗試將本體應(yīng)用于網(wǎng)絡(luò)流的定義及分類(lèi)模型的建立。文獻(xiàn)[12]構(gòu)建了一個(gè)基于本體范例的分類(lèi)樹(shù),首次嘗試?yán)帽倔w對(duì)網(wǎng)絡(luò)流量類(lèi)別進(jìn)行標(biāo)準(zhǔn)化定義。文獻(xiàn)[13]設(shè)計(jì)了一個(gè)基于流輪廓和本體的在線(xiàn)、自學(xué)習(xí)網(wǎng)絡(luò)流量分類(lèi)模型,此模型比較復(fù)雜,文中也未給出該模型的具體實(shí)現(xiàn)。

    1.2 海量數(shù)據(jù)并行處理技術(shù)

    面向海量數(shù)據(jù)的處理問(wèn)題,考慮到單一節(jié)點(diǎn)的計(jì)算能力瓶頸,研究者們紛紛采用分布式或并行處理的方式來(lái)解決此類(lèi)問(wèn)題,其中基于并行處理技術(shù)MapReduce的海量數(shù)據(jù)處理方面的工作頗有成效。文獻(xiàn)[14-15]分別提出了一種基于MapReduce的分布式ELM學(xué)習(xí)模型及訓(xùn)練框架,實(shí)驗(yàn)證明,在大數(shù)據(jù)的學(xué)習(xí)及訓(xùn)練方面是有效的。

    MapReduce技術(shù)也被研究者們用于解決海量數(shù)據(jù)的分類(lèi)問(wèn)題。文獻(xiàn)[16]提出一種基于類(lèi)別的集成技術(shù)用于分類(lèi)概念漂移數(shù)據(jù)流,采用了基于MapReduce的技術(shù)提高分類(lèi)方法的效率和魯棒性。文獻(xiàn)[17]指出MapReduce具有易于開(kāi)發(fā)的可擴(kuò)展性和容錯(cuò)性,進(jìn)而提出了一種基于MapReduce的隨機(jī)森林方法來(lái)處理非平衡大數(shù)據(jù)的分類(lèi)問(wèn)題。

    復(fù)雜網(wǎng)絡(luò)環(huán)境下,網(wǎng)絡(luò)鏈路中不斷增加的待處理數(shù)據(jù)與基于單機(jī)的計(jì)算機(jī)系統(tǒng)處理能力的矛盾日益突出,有少數(shù)的國(guó)內(nèi)外學(xué)者也將MapReduce技術(shù)應(yīng)用于網(wǎng)絡(luò)流量的處理。文獻(xiàn)[18]提出了一個(gè)基于Hadoop平臺(tái)的網(wǎng)絡(luò)流量分流并行處理結(jié)構(gòu),實(shí)驗(yàn)驗(yàn)證對(duì)于大數(shù)據(jù)進(jìn)行分流時(shí),該結(jié)構(gòu)優(yōu)勢(shì)顯著。文獻(xiàn)[19]提出基于高斯混合模型-隱馬爾可夫模型的網(wǎng)絡(luò)流量分類(lèi)方法,模型使用了兩個(gè)數(shù)據(jù)包級(jí)屬性來(lái)構(gòu)建,實(shí)現(xiàn)了一個(gè)基于MapReduce的并行分類(lèi)架構(gòu),并驗(yàn)證了模型具有靈活性。

    2 基于MapReduce的網(wǎng)絡(luò)流量本體構(gòu)建方法

    本文采用文獻(xiàn)[4]設(shè)計(jì)的分層的網(wǎng)絡(luò)流量本體結(jié)構(gòu)。首層包括網(wǎng)絡(luò)流量采集節(jié)點(diǎn)信息和流量信息。其中,流量采集節(jié)點(diǎn)的下一層記錄流量采集節(jié)點(diǎn)的相關(guān)信息,包括網(wǎng)絡(luò)軟硬件設(shè)備信息、流量采集工具及節(jié)點(diǎn)的配置參數(shù);流量采集工具的下一層記錄各流量采集節(jié)點(diǎn)的各種流量采集工具名稱(chēng)以及流量采集信息格式。而流量信息的下一層記錄網(wǎng)絡(luò)流量的相關(guān)信息,包括網(wǎng)絡(luò)流量實(shí)例集合、流量統(tǒng)計(jì)特征集合、流量所屬應(yīng)用類(lèi)型及協(xié)議;流量所屬應(yīng)用類(lèi)型的下一層描述各種應(yīng)用類(lèi)型。

    2.1 網(wǎng)絡(luò)流量本體并行構(gòu)建模型

    MapReduce的任務(wù)分解規(guī)約的分布式計(jì)算模式在Google系統(tǒng)上得到很好的驗(yàn)證,而且以MapReduce思想設(shè)計(jì)的語(yǔ)義推理算法也已經(jīng)被證明是有效的[20]。因此,面向海量的網(wǎng)絡(luò)流量數(shù)據(jù)本體構(gòu)建,本文采用MapReduce作為并行處理技術(shù),實(shí)現(xiàn)實(shí)時(shí)、在線(xiàn)的網(wǎng)絡(luò)流量數(shù)據(jù)并行集成。基于MapReduce的并行化網(wǎng)絡(luò)流量本體構(gòu)建模型如圖1所示。采用基于MapReduce的語(yǔ)義映射方法,根據(jù)網(wǎng)絡(luò)流量本體結(jié)構(gòu),實(shí)現(xiàn)網(wǎng)絡(luò)結(jié)點(diǎn)流量數(shù)據(jù)到本體的完整映射,為網(wǎng)絡(luò)流量分類(lèi)模塊提供訪問(wèn)和操作數(shù)據(jù)的統(tǒng)一接口。

    圖1 基于MapReduce的網(wǎng)絡(luò)流量本體構(gòu)建模型

    2.2 方法的設(shè)計(jì)與實(shí)現(xiàn)

    為實(shí)現(xiàn)從網(wǎng)絡(luò)流量信息采集到流量信息資源本體描述流程一體化,依照MapReduce的架構(gòu),將Map函數(shù)設(shè)計(jì)成流量信息采集器,Combiner設(shè)計(jì)成流量過(guò)濾與整合器,將Reduce函數(shù)設(shè)計(jì)成網(wǎng)絡(luò)流量本體構(gòu)建器,通過(guò)整個(gè)MapReduce完成從網(wǎng)絡(luò)采集節(jié)點(diǎn)到網(wǎng)絡(luò)流量本體的完整映射,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量本體構(gòu)建并行化。

    該方法實(shí)現(xiàn)的具體步驟如下。

    令Ni(1≤i≤n)表示第i個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)ID,IPi表示第i個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的IP,Ii表示第i個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的相關(guān)信息,F(xiàn)j(1≤j≤m)表示第j條網(wǎng)絡(luò)流量標(biāo)識(shí),Oj表示第j條網(wǎng)絡(luò)流量的本體。MNF表示從網(wǎng)絡(luò)節(jié)點(diǎn)流量數(shù)據(jù)到網(wǎng)絡(luò)流量的映射,RFO表示從網(wǎng)絡(luò)流量到網(wǎng)絡(luò)流量本體的映射。

    1) 根據(jù)每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)啟動(dòng)對(duì)應(yīng)的Map函數(shù),其中,每個(gè)Map函數(shù)以鍵值對(duì)

    2) Map函數(shù)根據(jù)IPi操作網(wǎng)絡(luò)節(jié)點(diǎn),收集網(wǎng)絡(luò)節(jié)點(diǎn)相關(guān)信息Ii,并調(diào)用網(wǎng)絡(luò)流量采集工具捕獲網(wǎng)絡(luò)數(shù)據(jù)包,然后將采集到的所有資源傳入Combiner中間結(jié)果;

    3) Combiner根據(jù)過(guò)濾規(guī)則提取所需網(wǎng)絡(luò)流量信息,并將數(shù)據(jù)包整合成網(wǎng)絡(luò)流量Fj,以鍵值對(duì)

    4) Reduce函數(shù)根據(jù)接收到的鍵值對(duì)計(jì)算流量統(tǒng)計(jì)特征,并用本體語(yǔ)言O(shè)WL做統(tǒng)一資源描述,借助本體建模工具Protégé的API,完成網(wǎng)絡(luò)流量本體的構(gòu)建。該步驟實(shí)現(xiàn)網(wǎng)絡(luò)流量到網(wǎng)絡(luò)流量本體的映射RFO:Fj→Oj。

    3 基于知識(shí)推理的并行分類(lèi)方法

    3.1 知識(shí)推理的并行分類(lèi)框架

    針對(duì)上一節(jié)構(gòu)建的網(wǎng)絡(luò)流量本體,提出一種基于知識(shí)推理的并行網(wǎng)絡(luò)流量分類(lèi)方法。該方法利用本體支持知識(shí)推理的特性,通過(guò)知識(shí)推理挖掘出本體中概念、屬性間的隱含關(guān)系;考慮到大規(guī)模復(fù)雜網(wǎng)絡(luò)下網(wǎng)絡(luò)流量是海量的,要實(shí)現(xiàn)在線(xiàn)流量實(shí)時(shí)分類(lèi),則必須借助并行處理技術(shù),建立基于MapReduce的并行知識(shí)推理引擎,實(shí)現(xiàn)網(wǎng)絡(luò)流量實(shí)例與所屬應(yīng)用類(lèi)型之間的對(duì)應(yīng)關(guān)系,即對(duì)網(wǎng)絡(luò)流量進(jìn)行分類(lèi)。該方法的框架如圖2所示。

    圖2 基于知識(shí)推理的并行網(wǎng)絡(luò)流量分類(lèi)框架

    由圖2可以看出,方法采用的知識(shí)推理是一種基于規(guī)則的推理。首先通過(guò)機(jī)器學(xué)習(xí)算法訓(xùn)練傳統(tǒng)分類(lèi)模型,接著分析分類(lèi)模型的內(nèi)部結(jié)構(gòu),將其轉(zhuǎn)換成可供本體做知識(shí)推理的規(guī)則集形式,然后以網(wǎng)絡(luò)流量本體作為推理對(duì)象,將本體和規(guī)則集一并輸入并行知識(shí)推理引擎,使得本體基于規(guī)則集做出推理,自動(dòng)對(duì)本體中流量實(shí)例的應(yīng)用類(lèi)型進(jìn)行標(biāo)注,最終得出分類(lèi)結(jié)果。

    3.2 并行知識(shí)推理引擎的設(shè)計(jì)與實(shí)現(xiàn)

    為了能處理海量的網(wǎng)絡(luò)流量本體推理,高效地執(zhí)行推理過(guò)程,將采用MapReduce并行處理技術(shù)構(gòu)建并行知識(shí)推理引擎。該引擎可以直接處理網(wǎng)絡(luò)流量本體,即以未被標(biāo)記應(yīng)用類(lèi)型的網(wǎng)絡(luò)流量本體為輸入,通過(guò)結(jié)合推理規(guī)則集對(duì)本體進(jìn)行推理,得到網(wǎng)絡(luò)流量的應(yīng)用類(lèi)型,最終將屬于同一應(yīng)用類(lèi)型的網(wǎng)絡(luò)流量作為輸出,完成網(wǎng)絡(luò)流量本體到網(wǎng)絡(luò)流量類(lèi)別的映射,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的分類(lèi)。

    并行知識(shí)推理的實(shí)現(xiàn)步驟如下。

    令Oj(1≤j≤n)表示第j個(gè)網(wǎng)絡(luò)流量本體分片,F(xiàn)Il(1≤l≤p)表示第l個(gè)網(wǎng)絡(luò)流量實(shí)例標(biāo)識(shí)(對(duì)應(yīng)于第l條網(wǎng)絡(luò)流量Fl),S表示推理引擎中的規(guī)則集,Lk(1≤k≤m)表示第k類(lèi)(指應(yīng)用類(lèi)別)流量標(biāo)簽,Ck表示第k類(lèi)已分類(lèi)流量集。MROC表示從網(wǎng)絡(luò)流量本體到網(wǎng)絡(luò)流量類(lèi)別的完整映射。

    1) 根據(jù)每個(gè)計(jì)算節(jié)點(diǎn)的性能以及網(wǎng)絡(luò)流量本體中所描述的網(wǎng)絡(luò)流量實(shí)例的數(shù)據(jù)規(guī)模,對(duì)已構(gòu)建好的網(wǎng)絡(luò)流量本體進(jìn)行分割,得到多個(gè)網(wǎng)絡(luò)流量本體分片Oj,將網(wǎng)絡(luò)流量本體分片上傳至Hadoop分布式文件系統(tǒng),并對(duì)每一個(gè)網(wǎng)絡(luò)流量本體分片中描述的網(wǎng)絡(luò)流量實(shí)例標(biāo)記為FIl,以鍵值對(duì)

    2) 啟動(dòng)多個(gè)Map函數(shù)并行地調(diào)用Jena推理機(jī),推理機(jī)利用規(guī)則集S中的各條規(guī)則對(duì)網(wǎng)絡(luò)流量本體分片Oj中描述的與網(wǎng)絡(luò)流量實(shí)例FIl有關(guān)的各種信息資源進(jìn)行知識(shí)推理,得出FIl的類(lèi)標(biāo)簽Lk,將

    3) Reduce函數(shù)根據(jù)Lk按類(lèi)型合并Fj,形成已分類(lèi)流量集Ck,至此完成流量本體集到已分類(lèi)流量集的映射MROC:Oj→Ck。

    4 實(shí)驗(yàn)與結(jié)果分析

    4.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)

    本實(shí)驗(yàn)建立在Apache的開(kāi)源項(xiàng)目Hadoop[21]系統(tǒng)之上,搭建的Hadoop平臺(tái)由4臺(tái)機(jī)器(即4個(gè)節(jié)點(diǎn))構(gòu)成。節(jié)點(diǎn)配置信息如下:4核CPU(Intel I7-3770,3.4 GHz)、4 G內(nèi)存、1 TB硬盤(pán),運(yùn)行64位Ubuntu系統(tǒng)。

    采用文獻(xiàn)[22]采集并公開(kāi)的真實(shí)網(wǎng)絡(luò)流量數(shù)據(jù)集作為本文的實(shí)驗(yàn)數(shù)據(jù),稱(chēng)之為摩爾數(shù)據(jù)集。摩爾數(shù)據(jù)集中的每個(gè)網(wǎng)絡(luò)流量樣本都是完備的傳輸控制協(xié)議(TCP)雙向流量,共有248個(gè)網(wǎng)絡(luò)流量統(tǒng)計(jì)特征。

    4.2 加速比

    為了能較精確地衡量提出的方法采用并行化技術(shù)MapReduce所帶來(lái)的性能方面的提升,使用加速比R作為評(píng)價(jià)指標(biāo):

    式中,Ts表示單機(jī)環(huán)境下方法的運(yùn)行時(shí)間;Tp表示并行環(huán)境下方法的運(yùn)行時(shí)間。

    4.3 網(wǎng)絡(luò)流量本體并行化構(gòu)建效率評(píng)估實(shí)驗(yàn)

    為驗(yàn)證網(wǎng)絡(luò)流量本體構(gòu)建采用MapReduce并行化處理執(zhí)行效率,針對(duì)不同網(wǎng)絡(luò)流量數(shù)據(jù)規(guī)模,在單機(jī)和多臺(tái)機(jī)情況下對(duì)比網(wǎng)絡(luò)流量本體構(gòu)建時(shí)間,對(duì)比結(jié)果如圖3所示。

    圖3 單機(jī)環(huán)境和集群環(huán)境下網(wǎng)絡(luò)流量本體的構(gòu)建時(shí)間對(duì)比

    從圖3可以看出,當(dāng)網(wǎng)絡(luò)流量樣本數(shù)較少時(shí),不同個(gè)數(shù)的計(jì)算節(jié)點(diǎn)構(gòu)建網(wǎng)絡(luò)流量本體所需的時(shí)間差距不大。隨著網(wǎng)絡(luò)流量樣本數(shù)據(jù)規(guī)模的增大,網(wǎng)絡(luò)流量本體構(gòu)建所需的時(shí)間幾乎呈線(xiàn)性增長(zhǎng)。由此可知,本體構(gòu)建時(shí)間與網(wǎng)絡(luò)流量樣本數(shù)據(jù)規(guī)模呈線(xiàn)性關(guān)系,不受流量樣本間相互關(guān)系的影響,比較適合并行化處理。另外,圖3也顯示多臺(tái)機(jī)環(huán)境下比單機(jī)環(huán)境下的網(wǎng)絡(luò)流量本體構(gòu)建時(shí)間少,也說(shuō)明本方法體現(xiàn)了并行化處理的優(yōu)勢(shì)。

    圖4給出了當(dāng)集群環(huán)境分別為采用2、3、4臺(tái)機(jī),即計(jì)算節(jié)點(diǎn)分別為2、3、4時(shí),本方法的加速比曲線(xiàn)圖。

    如圖4所示,從3條加速比曲線(xiàn)之間的間隔變化來(lái)看,每增加一個(gè)計(jì)算節(jié)點(diǎn),加速比都會(huì)有相應(yīng)幅度的提升,且提升幅度較為穩(wěn)定,這意味著集群中的計(jì)算節(jié)點(diǎn)可以平衡地分擔(dān)本體構(gòu)建任務(wù),不同的計(jì)算節(jié)點(diǎn)均獨(dú)立完成構(gòu)建任務(wù),各節(jié)點(diǎn)完成自身任務(wù)時(shí)相互之間不需要進(jìn)行信息資源交互。因此,適當(dāng)增加計(jì)算節(jié)點(diǎn)可以得到與節(jié)點(diǎn)個(gè)數(shù)成比例的加速比提升。綜上所述,MapReduce并行處理技術(shù)可以有效地提高網(wǎng)絡(luò)流量本體構(gòu)建的效率。

    圖4 加速比曲線(xiàn)

    4.4 并行知識(shí)推理的分類(lèi)執(zhí)行效率評(píng)估實(shí)驗(yàn)

    文獻(xiàn)[4]證明了采用決策樹(shù)算法建立分類(lèi)模型并轉(zhuǎn)化成知識(shí)推理規(guī)則集,能夠很好地繼承決策樹(shù)算法在網(wǎng)絡(luò)流量分類(lèi)上的性能優(yōu)勢(shì),實(shí)驗(yàn)表明在準(zhǔn)確率、召回率、F1-Measure 3個(gè)性能評(píng)價(jià)指標(biāo)均優(yōu)于SVM、BP神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò),從而獲得更佳的網(wǎng)絡(luò)流量分類(lèi)性能。

    為驗(yàn)證并行知識(shí)推理的分類(lèi)方法的執(zhí)行效率,采用不同網(wǎng)絡(luò)流量數(shù)據(jù)規(guī)模,對(duì)單機(jī)環(huán)境和集群環(huán)境下知識(shí)推理分類(lèi)時(shí)間進(jìn)行對(duì)比,對(duì)比結(jié)果如圖5所示。

    圖5 單機(jī)環(huán)境和集群環(huán)境下網(wǎng)絡(luò)流量分類(lèi)時(shí)間對(duì)比

    從圖5中可看出,當(dāng)網(wǎng)絡(luò)流量實(shí)例個(gè)數(shù)較少時(shí),集群環(huán)境下的分類(lèi)時(shí)間與單機(jī)環(huán)境的分類(lèi)時(shí)間差距較小。在流量樣本數(shù)只有6萬(wàn)條的小規(guī)模分類(lèi)任務(wù)中,單機(jī)環(huán)境所需分類(lèi)時(shí)間甚至低于只開(kāi)啟了兩個(gè)節(jié)點(diǎn)的集群環(huán)境,逼近于開(kāi)啟了3個(gè)節(jié)點(diǎn)的集群環(huán)境,這是因?yàn)楫?dāng)數(shù)據(jù)量較少時(shí),MapReduce的過(guò)程中調(diào)度任務(wù)以及分割和重組數(shù)據(jù)等步驟需要耗費(fèi)一定的時(shí)間,由此可知對(duì)于小規(guī)模數(shù)據(jù)的處理,hadoop平臺(tái)的優(yōu)勢(shì)無(wú)法展現(xiàn)。隨著網(wǎng)絡(luò)流量樣本數(shù)的增長(zhǎng),單機(jī)與集群環(huán)境的分類(lèi)方法運(yùn)行時(shí)間的差距也越來(lái)越大,此時(shí)MapReduce的額外開(kāi)銷(xiāo)逐步趨于穩(wěn)定,方法中并行處理的優(yōu)勢(shì)就逐漸顯現(xiàn)出來(lái),體現(xiàn)了并行模型的高效性。

    圖6給出了當(dāng)集群環(huán)境采用2、3、4臺(tái)機(jī),即計(jì)算節(jié)點(diǎn)分別為2、3、4時(shí),本方法的加速比曲線(xiàn)圖。

    圖6 加速比曲線(xiàn)

    如圖6所示,當(dāng)流量樣本數(shù)一定時(shí),隨著計(jì)算節(jié)點(diǎn)的增加,其加速比呈現(xiàn)階躍式變化;隨著樣本數(shù)的增加,加速比在增大到一個(gè)最大值之后減小,之后趨于穩(wěn)定。經(jīng)過(guò)對(duì)各個(gè)節(jié)點(diǎn)運(yùn)行狀態(tài)的觀測(cè)與分析可知,當(dāng)流量樣本數(shù)較小時(shí),集群的資源利用率不高,各計(jì)算節(jié)點(diǎn)的資源沒(méi)有被有效利用;隨著樣本數(shù)的增加,加速比呈現(xiàn)上揚(yáng)趨勢(shì),逐漸增加到最大值,此時(shí)集群的資源利用率達(dá)到最高,集群中各個(gè)節(jié)點(diǎn)的資源均能被很好地調(diào)度;隨著樣本數(shù)繼續(xù)增加,加速比慢慢減小,然后趨于平穩(wěn),這是因?yàn)榧嘿Y源的利用已達(dá)到瓶頸,集群的調(diào)度器開(kāi)始調(diào)整調(diào)度策略,最終達(dá)到一個(gè)穩(wěn)態(tài)。

    綜上可知,并行知識(shí)推理的分類(lèi)方法采用MapReduce并行架構(gòu)能夠有效地提高大規(guī)模網(wǎng)絡(luò)流量的分類(lèi)效率。

    5 結(jié) 束 語(yǔ)

    針對(duì)海量、多源、異構(gòu)網(wǎng)絡(luò)流量的分類(lèi),本文結(jié)合了本體和云計(jì)算技術(shù)的優(yōu)勢(shì),提出了一種基于本體的并行網(wǎng)絡(luò)流量分類(lèi)方法。該方法建立在MapReduce并行計(jì)算架構(gòu)之上,結(jié)合網(wǎng)絡(luò)流量本體結(jié)構(gòu),設(shè)計(jì)基于MapReduce的網(wǎng)絡(luò)流量本體構(gòu)建方法,及并行知識(shí)推理的網(wǎng)絡(luò)流量分類(lèi)方法。實(shí)驗(yàn)表明,MapReduce并行處理技術(shù)可以有效地提高網(wǎng)絡(luò)流量本體構(gòu)建的效率及網(wǎng)絡(luò)流量的分類(lèi)效率。下一步我們將研究對(duì)未知網(wǎng)絡(luò)流量的描述以及本體知識(shí)庫(kù)的自我管理與更新,實(shí)現(xiàn)在線(xiàn)的網(wǎng)絡(luò)流量本體并行化構(gòu)建方法和網(wǎng)絡(luò)流量的實(shí)時(shí)并行分類(lèi)方法,以適應(yīng)大規(guī)模復(fù)雜網(wǎng)絡(luò)流量的實(shí)時(shí)、準(zhǔn)確分類(lèi)。

    [1] WANG Yu, XIANG Yang, ZHANG Jun, et al. Internet traffic classification using constrained clustering[J]. IEEE Transactions on Parallel and Distributed Systems, 2014,25(11): 2932-2943.

    [2] CARELA-ESPA?OL V, BARLET-ROS P, MULA-VALLS O, et al. An autonomic traffic classification system for network operation and management[J]. Journal of Network and Systems Management, 2015, 23(3): 401-419.

    [3] 劉凱鵬, 方濱興.基于社會(huì)性標(biāo)注的本體學(xué)習(xí)方法[J]. 計(jì)算機(jī)學(xué)報(bào), 2010, 33(10): 1823-1834. LIU Kai-peng, FANG Bin-xing. Ontology induction based on social annotations[J]. Chinese Journal of Computers,2010, 33(10): 1823-1834.

    [4] 陶曉玲, 韋毅, 孔德艷, 等. 基于本體的網(wǎng)絡(luò)流量分類(lèi)方法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2016, 37(1): 31-36. TAO Xiao-ling, WEI Yi, KONG De-yan, et al. Network traffic classification method based on ontology[J]. Computer Engineering and Design, 2016, 37(1): 31-36.

    [5] HAUG P J, FERRARO J P, HOLMEN J, et al. An ontology-driven, diagnostic modeling system[J]. Journal of the American Medical Informatics Association, 2013, 20(e1):e102-e110.

    [6] OELLRICH A, WALLS R L, CANNON E K S, et al. An ontology approach to comparative phenomics in plants[J]. Plant Methods, 2015, 11(1): 10.

    [7] AZEVEDO C L B, IACOB M E, ALMEIDA J P A, et al. Modeling resources and capabilities in enterprise architecture: a well-founded ontology-based proposal for archimate[J]. Information Systems, 2015, 54(12): 235-262.

    [8] EBRAHIMIPOUR V, YACOUT S. Ontology-based schema to support maintenance knowledge representation with a case study of a pneumatic valve[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2015, 45(4):702-712.

    [9] Gene Ontology Consortium. Gene ontology annotations and resources[J]. Nucleic Acids Research, 2013, 41(D1):D530-D535.

    [10] ALMENDROS-JIMENEZ J M, DOMENE L, PIEDRAFERNANDEZ J A. A framework for ocean satellite image classification based on ontologies[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(2): 1048-1063.

    [11] ZHANG Xiao-wei, HU Bin, MA Xu, et al. Ontology driven decision support for the diagnosis of mild cognitive impairment[J]. Computer Methods and Programs in Biomedicine, 2013, 113(3): 781-791.

    [12] PIETRZYK M, JANOWSKI L, URVOY-KELLER G,Toward systematic methods comparison in traffic classification[C]//Wireless Communications and Mobile Computing Conference(IWCMC), 2011 7th International. Istanbul : IEEE, 2011:1022-1027.

    [13] GU Cheng-jie, ZHANG Shun-yi, XUE Xiao-zhen. Online self-learning internet traffic classification based on profile and ontology[J]. Journal of Convergence Information Technology, 2011, 6(4): 81-91.

    [14] XIN Jun-chang, WANG Zhi-qiong, CHEN Chen, et al. ELM*: Distributed extreme learning machine with map reduce[J]. World Wide Web, 2014, 17(5): 1189-1204.

    [15] CHEN Jiao-yan, CHEN Hua-jun, WAN Xiang-yi, et al. MR-ELM: a map reduce-based framework for large-scale elm training in big data era[J]. Neural Computing and Applications, 2016, 27(1): 101-110.

    [16] Al-KHATEEB T M, MASUD M M, KHAN L, et al. Cloud guided stream classification using class-based ensemble[C]//Proceedings of 2012 IEEE 5th International Conference on Cloud Computing (CLOUD). Honolulu, HI,USA: [s.n.], 2012: 694- 701.

    [17] SARA DEL RíO, VICTORIA LóPEZ, JOSé MANUEL BENíTEZ, et al. On the use of map reduce for imbalanced big data using random forest[J]. Information Sciences,2014, 258(11): 112-137.

    [18] 鄭天紅. 基于Hadoop的網(wǎng)絡(luò)流量分流并行化設(shè)計(jì)[D].呼和浩特: 內(nèi)蒙古大學(xué), 2012. ZHENG Tian-hong. Design and Implementation of the parallelization based on hadoop model network traffic diversion[D]. Huhehaote: Inner Mongolia University,2012 .

    [19] MU Xue-feng, WU Wen-jun. A parallelized network traffic classification based on hidden markov model[C]// Proceedings of 2011 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery. Beijing: [s.n.], 2011: 107-112.

    [20] DAI Chao-fan, FENG Yang-he, ZHANG Peng-cheng. Retracted article: Research of ontology-based model representation method[C]//Proceedings of 2010 Second International Conference on Information Technology and Computer Science. Kiev, Ukraine: [s.n.], 2010: 364-367.

    [21] The Apache software foundation. Hadoop[EB/OL].[2015-10-22]. http://hadoop.apache.org/.

    [22] MOORE A W, ZUEV D. Internet traffic classification using bayesian analysis techniques [EB/OL]. [2015-11-11]. http://www.cl.cam.ac.uk/research/srg/netos/nprobe/data/pa pers/sigmetrics/index.html.

    編 輯 蔣 曉

    An Ontology Based Parallel Network Traffic Classification Method

    TAO Xiao-ling1,2, WEI Yi2, and WANG Yong2,3
    (1. Key Laboratory of Cognitive Radio and Information Processing, Guilin University of Electronic Technology Guilin Guangxi 541004;2. Guangxi Colleges and Universities Key Laboratory of Cloud Computing and Complex Systems,Guilin University of Electronic Technology Guilin Guangxi 541004;3. Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology Guilin Guangxi 541004)

    The contradiction between the processing of mass network traffic data and the computing bottleneck of a single node leads to low efficiency of data classification. To address this challenge, we propose an ontology based parallel network traffic classification method by integrating the advantage of ontology and MapReduce in dealing with the description and processing of mass heterogeneous data. Our approach makes use of MapReduce, a framework of parallel computing. Firstly, it uses the ontology to describe and manage network traffic data, and constructs the layered and parallel network traffic ontology. Then it builds the classification model by employing the decision tree algorithm, by which the inference rule set is generated. Network traffic classification based on traffic statistical features is completed by utilizing parallel knowledge reasoning. Implementation results show that data classification efficiency of the proposed approach in group environment is higher than in stand-alone scenario. The speedup ratio increases linearly when increasing the quantity of compute nodes. In addition, the new method is able to improve the classification efficiency of large-scale network traffic significantly.

    knowledge reasoning; MapReduce; network traffic classification; ontology; parallelization

    TP393

    A

    10.3969/j.issn.1001-0548.2016.02.0018

    2015 - 11 - 21;

    2016 - 03 - 15

    國(guó)家自然科學(xué)基金(61163058, 61363006);廣西可信軟件重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題(KX201306);廣西高校云計(jì)算與復(fù)雜系統(tǒng)重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題(14104)

    陶曉玲(1977 - ),女,副研究員,主要從事云計(jì)算、網(wǎng)絡(luò)安全及機(jī)器學(xué)習(xí)方面的研究.

    猜你喜歡
    網(wǎng)絡(luò)流量海量本體
    Abstracts and Key Words
    基于多元高斯分布的網(wǎng)絡(luò)流量異常識(shí)別方法
    一種傅里葉域海量數(shù)據(jù)高速譜聚類(lèi)方法
    基于神經(jīng)網(wǎng)絡(luò)的P2P流量識(shí)別方法
    對(duì)姜夔自度曲音樂(lè)本體的現(xiàn)代解讀
    海量快遞垃圾正在“圍城”——“綠色快遞”勢(shì)在必行
    AVB網(wǎng)絡(luò)流量整形幀模型端到端延遲計(jì)算
    一個(gè)圖形所蘊(yùn)含的“海量”巧題
    《我應(yīng)該感到自豪才對(duì)》的本體性教學(xué)內(nèi)容及啟示
    網(wǎng)絡(luò)流量監(jiān)控對(duì)網(wǎng)絡(luò)安全治理的重要性
    河南科技(2014年23期)2014-02-27 14:18:43
    av一本久久久久| 国产精品av久久久久免费| 精品酒店卫生间| 国产日韩欧美亚洲二区| 美女国产高潮福利片在线看| 免费在线观看视频国产中文字幕亚洲 | 欧美日韩亚洲国产一区二区在线观看 | 亚洲成人一二三区av| 久久久久久久大尺度免费视频| 亚洲成人免费av在线播放| 欧美在线黄色| 制服丝袜香蕉在线| 欧美精品一区二区免费开放| 最新在线观看一区二区三区 | 新久久久久国产一级毛片| 久久亚洲国产成人精品v| 日本黄色日本黄色录像| 黄频高清免费视频| 操出白浆在线播放| 国产成人免费无遮挡视频| 五月天丁香电影| 青春草国产在线视频| 亚洲精品一区蜜桃| 伦理电影大哥的女人| 日韩人妻精品一区2区三区| 午夜老司机福利片| 免费人妻精品一区二区三区视频| 亚洲av电影在线观看一区二区三区| 99久久综合免费| 久热爱精品视频在线9| 美女视频免费永久观看网站| 久久婷婷青草| 精品国产一区二区三区久久久樱花| 一级,二级,三级黄色视频| 日本vs欧美在线观看视频| 久久久久人妻精品一区果冻| 欧美人与性动交α欧美软件| 男人舔女人的私密视频| 亚洲国产日韩一区二区| 在线天堂最新版资源| 日本一区二区免费在线视频| 日本爱情动作片www.在线观看| a级毛片黄视频| 在线观看人妻少妇| 肉色欧美久久久久久久蜜桃| 精品一区二区三区四区五区乱码 | 国产欧美日韩综合在线一区二区| 亚洲国产中文字幕在线视频| 777久久人妻少妇嫩草av网站| 在线亚洲精品国产二区图片欧美| 深夜精品福利| 亚洲精品久久久久久婷婷小说| 熟女少妇亚洲综合色aaa.| 久久97久久精品| 老汉色∧v一级毛片| 国产色婷婷99| av网站免费在线观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 一级毛片我不卡| 熟妇人妻不卡中文字幕| 欧美激情极品国产一区二区三区| 欧美日韩视频精品一区| 精品一区二区三区av网在线观看 | 九草在线视频观看| 国产国语露脸激情在线看| 最近中文字幕高清免费大全6| 热re99久久国产66热| 免费看av在线观看网站| 久久狼人影院| 日韩熟女老妇一区二区性免费视频| 制服诱惑二区| 中国国产av一级| 亚洲四区av| 国产成人系列免费观看| 精品酒店卫生间| 国产精品国产三级专区第一集| 久久精品亚洲av国产电影网| 亚洲国产欧美在线一区| 美国免费a级毛片| 亚洲成人一二三区av| 亚洲成av片中文字幕在线观看| 欧美日韩一区二区视频在线观看视频在线| 99热国产这里只有精品6| 日韩中文字幕视频在线看片| 又黄又粗又硬又大视频| 无遮挡黄片免费观看| 亚洲,欧美精品.| 亚洲av中文av极速乱| 亚洲精品乱久久久久久| 亚洲成人手机| 国产又爽黄色视频| 国产有黄有色有爽视频| 这个男人来自地球电影免费观看 | 精品亚洲成国产av| 永久免费av网站大全| 国产欧美日韩综合在线一区二区| 久久97久久精品| 黑人巨大精品欧美一区二区蜜桃| 日本黄色日本黄色录像| 免费观看a级毛片全部| 一区二区三区四区激情视频| 少妇 在线观看| 国语对白做爰xxxⅹ性视频网站| 亚洲少妇的诱惑av| 亚洲精品美女久久av网站| 亚洲人成电影观看| 丁香六月欧美| 九九爱精品视频在线观看| avwww免费| 久久99一区二区三区| 欧美精品av麻豆av| 又黄又粗又硬又大视频| 国产精品蜜桃在线观看| 国产成人一区二区在线| 又大又爽又粗| 国产精品 欧美亚洲| 亚洲欧美日韩另类电影网站| 国产精品麻豆人妻色哟哟久久| 99国产综合亚洲精品| 国产熟女午夜一区二区三区| 日本av手机在线免费观看| 亚洲国产欧美网| 成年av动漫网址| 一本一本久久a久久精品综合妖精| 精品福利永久在线观看| 69精品国产乱码久久久| 一区二区三区四区激情视频| 亚洲美女搞黄在线观看| 亚洲欧美一区二区三区黑人| 精品一区二区免费观看| 丰满少妇做爰视频| 国产免费又黄又爽又色| 男女下面插进去视频免费观看| 亚洲美女黄色视频免费看| 中文字幕色久视频| 国产亚洲av高清不卡| 日韩精品免费视频一区二区三区| 日本色播在线视频| 亚洲欧美清纯卡通| 成年av动漫网址| 精品国产一区二区三区久久久樱花| 99香蕉大伊视频| 亚洲精品国产色婷婷电影| 亚洲三区欧美一区| 亚洲,欧美,日韩| 亚洲精品自拍成人| 校园人妻丝袜中文字幕| 久久精品久久久久久久性| 亚洲成人国产一区在线观看 | 国产一区有黄有色的免费视频| 国产免费又黄又爽又色| 少妇人妻久久综合中文| a级毛片在线看网站| 国产精品一区二区在线观看99| 久久精品熟女亚洲av麻豆精品| 免费黄频网站在线观看国产| 亚洲成av片中文字幕在线观看| 国产欧美亚洲国产| 久久99一区二区三区| 肉色欧美久久久久久久蜜桃| 狠狠婷婷综合久久久久久88av| 亚洲精品美女久久av网站| 赤兔流量卡办理| 亚洲精品第二区| 久久人人97超碰香蕉20202| 啦啦啦啦在线视频资源| 日本av手机在线免费观看| 亚洲欧洲国产日韩| 亚洲美女搞黄在线观看| 99久久99久久久精品蜜桃| 一边亲一边摸免费视频| 女人精品久久久久毛片| 最新在线观看一区二区三区 | 色播在线永久视频| 久久99热这里只频精品6学生| 精品久久蜜臀av无| 大码成人一级视频| 少妇人妻久久综合中文| 国产一区亚洲一区在线观看| 成人三级做爰电影| 亚洲av成人精品一二三区| 18禁裸乳无遮挡动漫免费视频| 2018国产大陆天天弄谢| 精品一区二区三区av网在线观看 | 母亲3免费完整高清在线观看| 成人免费观看视频高清| 中文字幕另类日韩欧美亚洲嫩草| 大陆偷拍与自拍| 天天操日日干夜夜撸| 丝袜人妻中文字幕| a级片在线免费高清观看视频| 亚洲精品成人av观看孕妇| 一本久久精品| 亚洲精品乱久久久久久| 最近最新中文字幕免费大全7| 成人国产av品久久久| 国产野战对白在线观看| 女人爽到高潮嗷嗷叫在线视频| 久久青草综合色| 久久久久久久久免费视频了| 99热网站在线观看| 多毛熟女@视频| 国产亚洲欧美精品永久| 狂野欧美激情性xxxx| 午夜老司机福利片| 最黄视频免费看| 日本黄色日本黄色录像| 亚洲精品久久成人aⅴ小说| 久久韩国三级中文字幕| 别揉我奶头~嗯~啊~动态视频 | 一区二区三区四区激情视频| 欧美人与性动交α欧美软件| 中文字幕最新亚洲高清| 观看美女的网站| 成年女人毛片免费观看观看9 | 天堂中文最新版在线下载| 午夜福利网站1000一区二区三区| 国产精品国产三级专区第一集| 日韩大片免费观看网站| 男女国产视频网站| 制服丝袜香蕉在线| 超色免费av| 亚洲精品aⅴ在线观看| 日本一区二区免费在线视频| 美女扒开内裤让男人捅视频| 丁香六月欧美| 少妇人妻精品综合一区二区| 嫩草影视91久久| 久久婷婷青草| 国产成人精品在线电影| 老鸭窝网址在线观看| 最近最新中文字幕免费大全7| 亚洲情色 制服丝袜| 亚洲精品国产av成人精品| 久久久精品区二区三区| 欧美av亚洲av综合av国产av | 免费在线观看黄色视频的| 亚洲国产欧美网| 麻豆乱淫一区二区| 亚洲男人天堂网一区| 精品国产乱码久久久久久小说| 王馨瑶露胸无遮挡在线观看| 尾随美女入室| 免费不卡黄色视频| 日韩 亚洲 欧美在线| 亚洲成人av在线免费| 一本色道久久久久久精品综合| 丝袜脚勾引网站| 极品少妇高潮喷水抽搐| 久久99精品国语久久久| 嫩草影院入口| 亚洲欧美一区二区三区国产| 久久国产精品男人的天堂亚洲| 少妇精品久久久久久久| 美女扒开内裤让男人捅视频| 日日爽夜夜爽网站| 欧美成人午夜精品| 成年av动漫网址| 久久狼人影院| 人人妻人人爽人人添夜夜欢视频| 国产成人精品在线电影| 久久99精品国语久久久| 中文精品一卡2卡3卡4更新| 9色porny在线观看| 欧美成人午夜精品| 天天影视国产精品| 国产一区二区激情短视频 | 亚洲精品乱久久久久久| 啦啦啦视频在线资源免费观看| 久久久久网色| 久久久久久久大尺度免费视频| 国产av码专区亚洲av| 多毛熟女@视频| 久久久久网色| 久久精品人人爽人人爽视色| 丰满乱子伦码专区| 欧美日韩av久久| 欧美日本中文国产一区发布| 欧美日韩亚洲国产一区二区在线观看 | 日本91视频免费播放| 国产精品香港三级国产av潘金莲 | 美女中出高潮动态图| 亚洲成色77777| 免费人妻精品一区二区三区视频| 久久ye,这里只有精品| 婷婷色综合www| 久久国产精品男人的天堂亚洲| www.av在线官网国产| 国产熟女午夜一区二区三区| 午夜久久久在线观看| 精品卡一卡二卡四卡免费| 伊人久久大香线蕉亚洲五| 老司机靠b影院| 伦理电影大哥的女人| 在线看a的网站| 在线观看免费日韩欧美大片| 国产亚洲午夜精品一区二区久久| 久久精品久久精品一区二区三区| 亚洲欧美中文字幕日韩二区| 亚洲美女搞黄在线观看| 老汉色av国产亚洲站长工具| 最新的欧美精品一区二区| 亚洲国产欧美在线一区| 亚洲国产最新在线播放| 国产成人欧美| 久久毛片免费看一区二区三区| 国产亚洲av高清不卡| 欧美激情 高清一区二区三区| 亚洲一码二码三码区别大吗| 欧美人与性动交α欧美精品济南到| 桃花免费在线播放| 黑人猛操日本美女一级片| 久久综合国产亚洲精品| 99九九在线精品视频| 亚洲五月色婷婷综合| 乱人伦中国视频| 亚洲在久久综合| 亚洲欧洲国产日韩| 亚洲色图综合在线观看| 性色av一级| 国产精品久久久人人做人人爽| 国产女主播在线喷水免费视频网站| 色吧在线观看| 在线观看免费高清a一片| 欧美日韩亚洲高清精品| 美女高潮到喷水免费观看| 中国三级夫妇交换| 国产一级毛片在线| 国产成人精品在线电影| 欧美精品av麻豆av| 久久狼人影院| 大码成人一级视频| 纯流量卡能插随身wifi吗| 一级毛片黄色毛片免费观看视频| 波多野结衣一区麻豆| 一二三四在线观看免费中文在| 亚洲精品美女久久av网站| 交换朋友夫妻互换小说| av国产久精品久网站免费入址| 成年动漫av网址| 黄片无遮挡物在线观看| 亚洲精品第二区| 欧美日韩综合久久久久久| 一边亲一边摸免费视频| 日本欧美视频一区| 日韩一卡2卡3卡4卡2021年| 免费日韩欧美在线观看| 精品国产一区二区三区久久久樱花| 精品一区在线观看国产| 丁香六月天网| 中文字幕人妻熟女乱码| 国产日韩欧美视频二区| 精品国产一区二区三区久久久樱花| 91精品国产国语对白视频| 国产免费又黄又爽又色| 国产欧美日韩综合在线一区二区| 成年av动漫网址| 日韩av在线免费看完整版不卡| 黄片播放在线免费| 秋霞伦理黄片| 国产成人欧美在线观看 | 国产精品久久久久久人妻精品电影 | 午夜福利乱码中文字幕| 极品人妻少妇av视频| 久久久久久人妻| 国产黄色免费在线视频| 制服人妻中文乱码| 欧美黑人精品巨大| 一本色道久久久久久精品综合| 亚洲欧美激情在线| a级毛片在线看网站| 精品久久久精品久久久| 不卡视频在线观看欧美| 日日爽夜夜爽网站| 日韩欧美一区视频在线观看| 国产成人欧美在线观看 | a 毛片基地| videosex国产| 国产成人欧美在线观看 | 亚洲国产精品国产精品| 两性夫妻黄色片| 亚洲四区av| 天堂中文最新版在线下载| 99热网站在线观看| 午夜福利视频在线观看免费| 久久久精品国产亚洲av高清涩受| 亚洲专区中文字幕在线 | 91精品伊人久久大香线蕉| 日本黄色日本黄色录像| 亚洲av电影在线观看一区二区三区| 免费看不卡的av| 一本—道久久a久久精品蜜桃钙片| 女人被躁到高潮嗷嗷叫费观| 久久精品国产亚洲av高清一级| 热re99久久国产66热| 人妻一区二区av| www.熟女人妻精品国产| 久久狼人影院| 国产成人精品在线电影| 亚洲成人手机| 国产一区二区激情短视频 | 男女之事视频高清在线观看 | 电影成人av| 亚洲精品美女久久久久99蜜臀 | 日韩精品有码人妻一区| 韩国精品一区二区三区| 国产黄频视频在线观看| 女的被弄到高潮叫床怎么办| 男女边摸边吃奶| 亚洲精品成人av观看孕妇| 男女床上黄色一级片免费看| 黑人欧美特级aaaaaa片| 两个人免费观看高清视频| 成年女人毛片免费观看观看9 | 日韩制服骚丝袜av| 超碰97精品在线观看| 亚洲av欧美aⅴ国产| 亚洲欧美精品综合一区二区三区| 在线看a的网站| 最近2019中文字幕mv第一页| 在线看a的网站| 老司机在亚洲福利影院| 欧美激情极品国产一区二区三区| 国产成人免费观看mmmm| 日日摸夜夜添夜夜爱| 高清在线视频一区二区三区| 成人手机av| 啦啦啦中文免费视频观看日本| 涩涩av久久男人的天堂| 男女下面插进去视频免费观看| 久久精品国产综合久久久| 宅男免费午夜| 欧美日韩亚洲国产一区二区在线观看 | 国产高清不卡午夜福利| 亚洲精品久久午夜乱码| 精品人妻在线不人妻| 国产国语露脸激情在线看| 超碰成人久久| 嫩草影视91久久| 美女脱内裤让男人舔精品视频| 一区二区av电影网| 成人亚洲欧美一区二区av| 一边亲一边摸免费视频| 自线自在国产av| 欧美精品一区二区免费开放| 国产高清国产精品国产三级| 亚洲国产精品国产精品| 大码成人一级视频| 国产免费又黄又爽又色| 女人精品久久久久毛片| 亚洲国产成人一精品久久久| 国产福利在线免费观看视频| 欧美国产精品va在线观看不卡| 亚洲欧美一区二区三区黑人| 午夜福利影视在线免费观看| 亚洲国产日韩一区二区| 国产精品一区二区在线不卡| 极品少妇高潮喷水抽搐| 日韩制服骚丝袜av| 亚洲精品一区蜜桃| 婷婷色麻豆天堂久久| 一本久久精品| 久久女婷五月综合色啪小说| 午夜福利影视在线免费观看| 国产有黄有色有爽视频| 欧美精品亚洲一区二区| 欧美激情 高清一区二区三区| 看非洲黑人一级黄片| 多毛熟女@视频| 99热全是精品| 精品视频人人做人人爽| 亚洲天堂av无毛| 在线 av 中文字幕| a级片在线免费高清观看视频| 菩萨蛮人人尽说江南好唐韦庄| 久久久久国产精品人妻一区二区| 老汉色av国产亚洲站长工具| 国产伦人伦偷精品视频| 国产日韩一区二区三区精品不卡| 国产xxxxx性猛交| 汤姆久久久久久久影院中文字幕| 久久韩国三级中文字幕| 日韩一区二区视频免费看| 国产欧美日韩综合在线一区二区| 亚洲一区中文字幕在线| 嫩草影视91久久| 1024视频免费在线观看| 欧美另类一区| 97人妻天天添夜夜摸| 精品人妻熟女毛片av久久网站| 精品国产一区二区久久| 日韩免费高清中文字幕av| 亚洲视频免费观看视频| 精品一区二区三区四区五区乱码 | 亚洲精品日本国产第一区| h视频一区二区三区| 一级片免费观看大全| 久久久久人妻精品一区果冻| 久久国产精品男人的天堂亚洲| 69精品国产乱码久久久| 国产精品嫩草影院av在线观看| 午夜福利,免费看| 亚洲精品乱久久久久久| 一区二区三区激情视频| 精品少妇黑人巨大在线播放| 操美女的视频在线观看| 国产一级毛片在线| 精品国产一区二区三区久久久樱花| 大片电影免费在线观看免费| 国产亚洲一区二区精品| 大陆偷拍与自拍| 久久久久精品国产欧美久久久 | 久久 成人 亚洲| 免费黄频网站在线观看国产| 欧美亚洲 丝袜 人妻 在线| netflix在线观看网站| 亚洲,欧美精品.| 91国产中文字幕| 男人爽女人下面视频在线观看| 精品少妇黑人巨大在线播放| 国产成人91sexporn| 天堂俺去俺来也www色官网| 国产在线免费精品| 欧美另类一区| 晚上一个人看的免费电影| 国产成人精品在线电影| 欧美中文综合在线视频| 高清在线视频一区二区三区| 最黄视频免费看| 日韩 亚洲 欧美在线| 精品酒店卫生间| 男女高潮啪啪啪动态图| 如何舔出高潮| 久久国产精品大桥未久av| 久久久国产一区二区| 亚洲伊人色综图| 久久99精品国语久久久| 久久精品亚洲熟妇少妇任你| 中文字幕人妻丝袜一区二区 | 不卡av一区二区三区| 黄片小视频在线播放| 成人国语在线视频| 欧美 日韩 精品 国产| 国产福利在线免费观看视频| 精品第一国产精品| 女人被躁到高潮嗷嗷叫费观| 亚洲精品aⅴ在线观看| av卡一久久| 久久亚洲国产成人精品v| 久久久久国产一级毛片高清牌| 欧美 日韩 精品 国产| 久久精品国产亚洲av涩爱| 欧美日韩一级在线毛片| 日本欧美国产在线视频| 男女床上黄色一级片免费看| 亚洲国产欧美在线一区| 午夜精品国产一区二区电影| 国产精品 国内视频| 人妻人人澡人人爽人人| 亚洲国产日韩一区二区| √禁漫天堂资源中文www| 秋霞在线观看毛片| 十八禁网站网址无遮挡| 一边亲一边摸免费视频| 亚洲美女搞黄在线观看| 国产黄频视频在线观看| 亚洲精品日本国产第一区| 亚洲在久久综合| 亚洲成人手机| 亚洲欧美精品自产自拍| 最近2019中文字幕mv第一页| 街头女战士在线观看网站| 国产欧美日韩一区二区三区在线| 国产成人91sexporn| 男女无遮挡免费网站观看| 一级毛片电影观看| 啦啦啦 在线观看视频| 国产精品久久久久久精品电影小说| 巨乳人妻的诱惑在线观看| av在线播放精品| 日韩一本色道免费dvd| 男女午夜视频在线观看| 欧美日韩视频高清一区二区三区二| 国产福利在线免费观看视频| 自线自在国产av| 中国国产av一级| 大话2 男鬼变身卡| 18禁动态无遮挡网站| 亚洲精品乱久久久久久| 欧美激情极品国产一区二区三区| 黑人欧美特级aaaaaa片| 国产成人精品福利久久| 日日摸夜夜添夜夜爱| 亚洲精华国产精华液的使用体验| 咕卡用的链子| 欧美精品人与动牲交sv欧美| 97在线人人人人妻| 国产成人免费观看mmmm| av在线app专区| 91老司机精品| 久久精品人人爽人人爽视色| 久久久精品区二区三区| 欧美在线一区亚洲| 亚洲少妇的诱惑av| 精品一区在线观看国产| 捣出白浆h1v1| 亚洲一区中文字幕在线| 国产成人精品无人区| 18禁观看日本| 欧美久久黑人一区二区| 国产又色又爽无遮挡免| 久久久国产一区二区| 捣出白浆h1v1| 久久精品亚洲熟妇少妇任你| 青草久久国产|