• <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 ?

    多屬性泛化的K-匿名算法

    2017-12-22 03:59:27宋明秋姜寶彥鄧貴仕
    關(guān)鍵詞:實(shí)驗(yàn)模型

    宋明秋,王 琳,姜寶彥,鄧貴仕

    ?

    多屬性泛化的-匿名算法

    宋明秋,王 琳,姜寶彥,鄧貴仕

    (大連理工大學(xué)系統(tǒng)工程研究所 大連 遼寧 116024)

    針對(duì)現(xiàn)有的-匿名模型中存在泛化屬性選取不唯一和數(shù)據(jù)過度泛化的問題,提出多屬性泛化的-匿名算法。在-匿名模型實(shí)現(xiàn)的過程中,引入屬性近似度概念,定量刻畫準(zhǔn)標(biāo)識(shí)符屬性的離散程度,進(jìn)而確定泛化的準(zhǔn)標(biāo)識(shí)符屬性;同時(shí)采用廣度優(yōu)先泛化的方法,避免數(shù)據(jù)被過度泛化,最終實(shí)現(xiàn)數(shù)據(jù)表的-匿名要求。實(shí)驗(yàn)結(jié)果表明,多屬性泛化的-匿名模型可以提高泛化后數(shù)據(jù)精度,其處理效率和Datafly算法相當(dāng)。該算法有效地解決了取值最多準(zhǔn)標(biāo)識(shí)符屬性存在多個(gè)時(shí)的泛化屬性選取問題,并且防止屬性被過度泛化,提高數(shù)據(jù)的可用性。

    泛化;-匿名; 隱私保護(hù); 關(guān)系型數(shù)據(jù)

    隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展,大量的個(gè)人信息被政府部門、科研機(jī)構(gòu)等有關(guān)組織存儲(chǔ)、發(fā)布,導(dǎo)致隱私信息被曝光,先進(jìn)的數(shù)據(jù)挖掘算法在提高信息有效性的同時(shí),也導(dǎo)致了隱私泄露的問題[1]。如何在數(shù)據(jù)共享的同時(shí),實(shí)現(xiàn)有效合理的隱私保護(hù)方法[2]就顯得尤為重要。

    早在20世紀(jì)80年代初,文獻(xiàn)[3]首次提出了匿名化的概念,并指出這種技術(shù)手段可應(yīng)用于隱私信息的保護(hù)。文獻(xiàn)[4]提出-匿名模型的數(shù)據(jù)匿名化隱私保護(hù)方法,通過泛化和抑制[5]、分解和排列[6]以及微聚集和凝聚[7]等方式對(duì)原始數(shù)據(jù)進(jìn)行匿名化處理,有效地解決了鏈接攻擊問題。文獻(xiàn)[8]在-匿名模型的基礎(chǔ)上提出了一種新的隱私保護(hù)模型即l-多樣性模型,對(duì)數(shù)據(jù)表中的敏感屬性進(jìn)行相關(guān)約束,提升發(fā)布的數(shù)據(jù)表對(duì)于同質(zhì)攻擊或背景知識(shí)攻擊等的防范。此后,(,)-匿名模型[9]使用閾值對(duì)敏感屬性進(jìn)行約束;針對(duì)l-多樣性模型在一些特殊情況下不適用的問題提出了-closeness模型[10],要求敏感屬性接近全局分布;而(,)-匿名模型[11]和(, l)-匿名模型[12]等模型為針對(duì)敏感屬性為數(shù)值型數(shù)據(jù)的近似攻擊提供了解決方案[13]。文獻(xiàn)[14]用信息熵模型刻畫屬性的隱私程度,進(jìn)而為信息泄露風(fēng)險(xiǎn)量化提供支撐。此外,匿名模型在多領(lǐng)域的應(yīng)用也成為現(xiàn)階段的研究熱點(diǎn),文獻(xiàn)[15]將-匿名技術(shù)應(yīng)用到社會(huì)網(wǎng)絡(luò)圖的隱私保護(hù),應(yīng)用位置服務(wù)數(shù)據(jù)[16]和快遞信息[17]等隱私保護(hù)也采用-匿名技術(shù)。

    現(xiàn)有的-匿名模型研究主要集中于高效近似算法的設(shè)計(jì)和多領(lǐng)域的應(yīng)用,在模型算法實(shí)現(xiàn)中,沒有考慮取值最多的準(zhǔn)標(biāo)識(shí)符屬性不唯一的情況,以及選取的準(zhǔn)標(biāo)識(shí)符屬性一直被泛化,從而導(dǎo)致數(shù)據(jù)精度過低的問題。針對(duì)這一問題,本文討論泛化屬性選取方法,每次泛化操作之前通過準(zhǔn)標(biāo)識(shí)符屬性取值的種類及其近似度選定泛化屬性,有效避免單一屬性的過度泛化,提高泛化后數(shù)據(jù)集的可用性。

    1 K-匿名模型相關(guān)定義

    1.1 數(shù)據(jù)匿名

    定義 3 泛化。在數(shù)據(jù)匿名處理過程中,對(duì)數(shù)據(jù)采用模糊的、抽象的值替代原始數(shù)據(jù)的方式,稱為泛化[19],即用高層次的節(jié)點(diǎn)代替低層次的節(jié)點(diǎn),泛化處理層次如圖1所示。

    表1 K-匿名模型實(shí)例

    a. 1層泛化 b. 2層泛化 c. 3層泛化

    圖1 準(zhǔn)標(biāo)識(shí)符屬性泛化層次圖

    定義 4 等價(jià)組。數(shù)據(jù)表中準(zhǔn)標(biāo)識(shí)符屬性取值完全相同的記錄組合在一起稱為一個(gè)等價(jià)組[20]。

    1.2 數(shù)據(jù)精度

    定義5 數(shù)據(jù)精度。數(shù)據(jù)精度是衡量經(jīng)過泛化后的數(shù)據(jù)與真實(shí)數(shù)據(jù)的逼近程度,即泛化后數(shù)據(jù)損失的度量。泛化后的數(shù)據(jù)與真實(shí)數(shù)據(jù)越接近,信息的損失量越少,泛化后的數(shù)據(jù)可用性越高。因此,數(shù)據(jù)精度是評(píng)價(jià)-匿名模型實(shí)現(xiàn)算法的一個(gè)重要指標(biāo)。

    1.3 Datafly算法分析

    2 多屬性泛化的K-匿名算法

    2.1 基本思想

    在多屬性泛化的-匿名算法中,需要匿名化處理的準(zhǔn)標(biāo)識(shí)符屬性是由數(shù)據(jù)表中的準(zhǔn)標(biāo)識(shí)符屬性值的種類決定。選取取值種類最多的屬性作為優(yōu)先泛化的屬性,按其預(yù)先給定的泛化層次進(jìn)行泛化。

    首先,針對(duì)屬性過度泛化問題。多屬性泛化的-匿名算法在每次泛化和-匿名檢驗(yàn)后都重新選取需要泛化的準(zhǔn)標(biāo)識(shí)符屬性。這樣降低了給定的數(shù)據(jù)表被過度泛化的可能性,加快關(guān)系型數(shù)據(jù)表滿足-匿名的要求,提高泛化后數(shù)據(jù)的可用性。

    其次,針對(duì)屬性選取不唯一問題,Datafly算法在泛化的準(zhǔn)標(biāo)識(shí)符屬性選取這一環(huán)節(jié)中,都沒有考慮取值最多的準(zhǔn)標(biāo)識(shí)符屬性同時(shí)存在多個(gè)的情況。因此,引入屬性近似度這一概念,依據(jù)準(zhǔn)標(biāo)識(shí)符屬性近似度的值,選取近似度最大的準(zhǔn)標(biāo)識(shí)符屬性優(yōu)先進(jìn)行泛化。

    定義 6 屬性近似度。準(zhǔn)標(biāo)識(shí)符屬性的近似度即準(zhǔn)標(biāo)識(shí)符屬性的域值之間的離散程度。準(zhǔn)標(biāo)識(shí)符屬性的近似度越高,其屬性值分布越不均勻,對(duì)其進(jìn)行泛化不僅可以降低背景知識(shí)攻擊等的威脅,還可以加快數(shù)據(jù)表滿足-匿名模型。

    2.2 泛化屬性選取

    在多屬性泛化的-匿名算法中,只對(duì)關(guān)系型數(shù)據(jù)表中的準(zhǔn)標(biāo)識(shí)符屬性進(jìn)行泛化處理。實(shí)際的關(guān)系型數(shù)據(jù)表中通常存在多個(gè)準(zhǔn)標(biāo)識(shí)符屬性,需要進(jìn)行如下分析來(lái)選取優(yōu)先泛化的屬性:

    1) 取值最多的準(zhǔn)標(biāo)識(shí)符屬性只存在一個(gè)。

    當(dāng)取值最多的準(zhǔn)標(biāo)識(shí)符屬性只存在一個(gè)的時(shí)候,多屬性泛化的-匿名算法選取這一準(zhǔn)標(biāo)識(shí)符屬性進(jìn)行泛化處理。

    2) 屬性值種類最多的準(zhǔn)標(biāo)識(shí)符屬性不唯一。

    當(dāng)屬性值種類最多的準(zhǔn)標(biāo)識(shí)符屬性存在多個(gè)時(shí),多屬性泛化的-匿名算法選取近似度值高的準(zhǔn)標(biāo)識(shí)符屬性作為泛化屬性,優(yōu)先進(jìn)行泛化。近似度高的準(zhǔn)標(biāo)識(shí)符屬性的取值離散程度大,分布不均勻,使得某些等價(jià)組內(nèi)記錄條數(shù)過少,無(wú)法滿足-匿名要求。對(duì)近似度高的準(zhǔn)標(biāo)識(shí)符屬性進(jìn)行泛化,可以增加等價(jià)組內(nèi)記錄的條數(shù),減少包含記錄條數(shù)過少的等價(jià)組,進(jìn)而加速實(shí)現(xiàn)-匿名模型。

    根據(jù)前面對(duì)準(zhǔn)標(biāo)識(shí)符屬性近似度的定義,標(biāo)準(zhǔn)差反映一組數(shù)據(jù)的離散程度,故用標(biāo)準(zhǔn)差來(lái)描述準(zhǔn)標(biāo)識(shí)符屬性的近似度,計(jì)算步驟和公式如下:

    3) 求出該準(zhǔn)標(biāo)識(shí)符屬性的方差為:

    表2 醫(yī)療信息表

    2.3 多屬性泛化的K-匿名算法

    在算法運(yùn)行前,需要輸入數(shù)據(jù):泛化層次值和數(shù)據(jù)表中的準(zhǔn)標(biāo)識(shí)符屬性及其泛化層次。

    根據(jù)初始的設(shè)定對(duì)所輸入的數(shù)據(jù)表進(jìn)行-匿名檢驗(yàn)。如果數(shù)據(jù)表滿足-匿名,那么系統(tǒng)會(huì)自動(dòng)將所輸入的數(shù)據(jù)輸出。如果數(shù)據(jù)表不滿足-匿名,多屬性泛化的-匿名算法進(jìn)入準(zhǔn)標(biāo)識(shí)符屬性分析選取階段,即計(jì)算各準(zhǔn)標(biāo)識(shí)符屬性的取值種類數(shù)。如果存在多個(gè)屬性值種類最多的準(zhǔn)標(biāo)識(shí)符屬性,那么計(jì)算種類最多的準(zhǔn)標(biāo)識(shí)符屬性的近似度,選取其近似度最大的屬性作為優(yōu)先泛化屬性。對(duì)該屬性進(jìn)行一次泛化。泛化完畢后,再次對(duì)處理后的數(shù)據(jù)表進(jìn)行檢驗(yàn),驗(yàn)證數(shù)據(jù)表是否滿足-匿名要求。如果檢驗(yàn)結(jié)果為“是”,那么系統(tǒng)將處理后的數(shù)據(jù)輸出;如果檢驗(yàn)結(jié)果為“否”,那么表格將再次進(jìn)入泛化屬性選取和-匿名檢驗(yàn)的循環(huán),直到其符合-匿名要求為止,步驟如下所示。

    輸入:關(guān)系型數(shù)據(jù)表PT,準(zhǔn)標(biāo)識(shí)符屬性名稱,給定值,準(zhǔn)標(biāo)識(shí)符屬性的泛化層次

    輸出:匿名處理后的數(shù)據(jù)表PT*

    步驟:

    =0;

    if(關(guān)系型數(shù)據(jù)表滿足-匿名)

    輸出匿名處理后的數(shù)據(jù)表;

    else

    計(jì)算每一個(gè)準(zhǔn)標(biāo)識(shí)符屬性值的種類數(shù)

    and找到屬性取值種類數(shù)最多的準(zhǔn)標(biāo)識(shí)符屬性;

    if(屬性值種類最多的準(zhǔn)標(biāo)識(shí)符屬性為1)

    選取該準(zhǔn)標(biāo)識(shí)符屬性;

    else計(jì)算屬性值種類最多的準(zhǔn)標(biāo)識(shí)符屬性近似度

    and選擇近似度最高的屬性;

    end if;

    將該屬性按其泛化層次圖從層泛化至+1層,得到數(shù)據(jù)表;

    return 關(guān)系型數(shù)據(jù)表;

    end if。

    3 實(shí)驗(yàn)結(jié)果與分析

    實(shí)驗(yàn)?zāi)康氖菍?duì)多屬性泛化的-匿名算法性能進(jìn)行評(píng)價(jià),評(píng)價(jià)指標(biāo)為算法運(yùn)行時(shí)間和泛化后數(shù)據(jù)精度,并將本實(shí)驗(yàn)的結(jié)果與經(jīng)典的Datafly算法運(yùn)行結(jié)果進(jìn)行對(duì)比,客觀地評(píng)價(jià)多屬性泛化的-匿名算法的性能。

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    本文實(shí)驗(yàn)選取了UCI Machine Learning Repository Adult數(shù)據(jù)集中的Adult.test文本文件作為實(shí)驗(yàn)的數(shù)據(jù)樣本集[22]。采用文獻(xiàn)[23]中的數(shù)據(jù)預(yù)處理方法對(duì)原數(shù)據(jù)集進(jìn)行預(yù)處理,得到實(shí)驗(yàn)數(shù)據(jù)集中的16 008條數(shù)據(jù)作為最終的實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)數(shù)據(jù)囊括8個(gè)屬性作為準(zhǔn)標(biāo)識(shí)符屬性,1個(gè)屬性作為敏感屬性,實(shí)驗(yàn)數(shù)據(jù)的情況如表3所示,其中,QID為準(zhǔn)標(biāo)識(shí)符屬性,SA為敏感屬性。

    表3 數(shù)據(jù)結(jié)構(gòu)示意表

    3.2 實(shí)驗(yàn)環(huán)境

    硬件環(huán)境:Intel(R) Core(TM) i7-6700 CPU @ 3.40 GHz;8.00 GB內(nèi)存;操作系統(tǒng):Windows10;編程語(yǔ)言:C#。

    3.3 實(shí)驗(yàn)分析

    在算法運(yùn)行時(shí)間這一維度上,多屬性泛化的-匿名算法除了受軟硬件環(huán)境等一些客觀因素的影響外,還受取值和樣本數(shù)據(jù)大小的影響。因此,在有關(guān)算法運(yùn)行時(shí)間的測(cè)算中,著重從的取值和樣本數(shù)據(jù)大小這兩個(gè)方面對(duì)該算法的運(yùn)行時(shí)間進(jìn)行測(cè)量。

    1) 算法運(yùn)行時(shí)間隨值變化情況

    在樣本數(shù)據(jù)量一定,算法運(yùn)行時(shí)間隨值變化趨勢(shì)的測(cè)量實(shí)驗(yàn)中,樣本數(shù)據(jù)選定為處理后的數(shù)據(jù)集Adult.test中的所有數(shù)據(jù)(16 008條)。由于值表示等價(jià)組內(nèi)完全相同的記錄數(shù),且避免數(shù)據(jù)表的鏈接攻擊,故值為大于等于2的正整數(shù)。

    上述實(shí)驗(yàn)結(jié)果中,當(dāng)大于10時(shí),值的增大對(duì)算法運(yùn)行時(shí)間影響不大。因此值均從2~200中遞增選取,其中最小值為2,最大值為200,并將實(shí)驗(yàn)的執(zhí)行結(jié)果以折線圖的形式進(jìn)行輸出,如圖2所示。

    實(shí)驗(yàn)結(jié)果表明:當(dāng)數(shù)據(jù)量一定時(shí),-匿名模型實(shí)現(xiàn)算法的運(yùn)行時(shí)間會(huì)隨著值的增大而增加。當(dāng)值較小時(shí),多屬性泛化的-匿名算法與Datafly算法的運(yùn)行時(shí)間基本相同;但隨著值增大,多屬性泛化的-匿名算法的運(yùn)行時(shí)間略微高于Datafly算法的運(yùn)行時(shí)間。

    圖2 算法運(yùn)行時(shí)間隨K值變化情況

    2) 算法運(yùn)行時(shí)間隨數(shù)據(jù)量變化情況

    在保持值不變,算法運(yùn)行時(shí)間隨樣本數(shù)據(jù)量變化趨勢(shì)的測(cè)算試驗(yàn)中,設(shè)定值為2,樣本數(shù)據(jù)是從處理后的數(shù)據(jù)集Adult.test(16 008條數(shù)據(jù))中依次選取10、20、50、100、500、1 000、10 000條數(shù)據(jù)作為實(shí)驗(yàn)測(cè)算樣本,結(jié)果如圖3所示。

    圖3 算法運(yùn)行時(shí)間隨數(shù)據(jù)量的變化情況

    實(shí)驗(yàn)結(jié)果表明:當(dāng)值一定時(shí),-匿名模型實(shí)現(xiàn)算法的運(yùn)行時(shí)間會(huì)隨著數(shù)據(jù)量的增大而增加。當(dāng)數(shù)據(jù)量較小時(shí),多屬性泛化的-匿名算法的運(yùn)行時(shí)間與Datafly算法的運(yùn)行時(shí)間基本相同。隨著數(shù)據(jù)量的不斷增大,多屬性泛化的-匿名算法的運(yùn)行時(shí)間要略高于Datafly算法。原因是多屬性泛化的-匿名算法優(yōu)先選取近似度大的準(zhǔn)標(biāo)識(shí)符屬性進(jìn)行泛化,增加等價(jià)組內(nèi)記錄條數(shù),加快實(shí)現(xiàn)-匿名要求。但在每次泛化前,均需重新計(jì)算確定取值最多的準(zhǔn)標(biāo)識(shí)符屬性,選取近似度高的準(zhǔn)標(biāo)識(shí)符屬性進(jìn)行泛化,故多屬性泛化的-匿名算法和Datafly算法的總體運(yùn)行時(shí)間相仿。

    3) 數(shù)據(jù)精度測(cè)算結(jié)果及分析

    實(shí)驗(yàn)選取Precision測(cè)算公式對(duì)泛化后數(shù)據(jù)進(jìn)行精度測(cè)量。在-匿名算法中,各準(zhǔn)標(biāo)識(shí)符屬性的泛化程度是影響泛化后數(shù)據(jù)精度的最主要因素,而各準(zhǔn)標(biāo)識(shí)符屬性的泛化程度由實(shí)驗(yàn)開始前所選取的值決定。樣本數(shù)據(jù)是經(jīng)處理后的Adult.test中的所有數(shù)據(jù)(16 008條),值是從2~200中遞增選取,其中最小值為2,最大值為200,并和經(jīng)典Datafly算法進(jìn)行對(duì)比,如圖4所示。

    圖4 數(shù)據(jù)精度隨K值變化情況

    實(shí)驗(yàn)結(jié)果表明:當(dāng)數(shù)據(jù)量一定時(shí),經(jīng)-匿名模型實(shí)現(xiàn)算法處理后的數(shù)據(jù)精度會(huì)隨著值的增大而減小。在值為2時(shí),兩種算法處理后的數(shù)據(jù)精度幾乎相同。不過,隨著值的不斷增大,多屬性泛化的-匿名算法處理后的數(shù)據(jù)精度要明顯高于Datafly算法處理后的數(shù)據(jù)精度。在多屬性泛化的-匿名算法中,每次泛化前均需重新選擇被泛化的屬性,有效解決Datafly算法中某一取值最多的準(zhǔn)標(biāo)識(shí)符屬性達(dá)到最高泛化等級(jí)時(shí),數(shù)據(jù)表仍舊不能滿足-匿名要求而導(dǎo)致屬性被過度泛化的問題,故經(jīng)過多屬性泛化的-匿名算法泛化后的數(shù)據(jù)精度高于經(jīng)典Datafly算法泛化后的數(shù)據(jù)精度。

    4 結(jié)束語(yǔ)

    匿名算法的效率和處理后數(shù)據(jù)的可用性是衡量-匿名算法的兩個(gè)重要指標(biāo)。針對(duì)經(jīng)典Datafly算法存在泛化屬性選取過于單一的問題,提出了多屬性泛化的-匿名算法。在該算法中,由準(zhǔn)標(biāo)識(shí)符屬性值的種類數(shù)量確定需要優(yōu)先泛化的準(zhǔn)標(biāo)識(shí)符屬性;并針對(duì)泛化過程中可能出現(xiàn)取值最多的準(zhǔn)標(biāo)識(shí)符屬性同時(shí)存在多個(gè)的情況,引入屬性近似度的概念,選取屬性近似度最大的準(zhǔn)標(biāo)識(shí)符屬性優(yōu)先泛化,有效地控制屬性過度泛化的問題,提高泛化后數(shù)據(jù)的可用性。通過與經(jīng)典Datafly算法進(jìn)行實(shí)驗(yàn)對(duì)比,多屬性泛化的-匿名算法泛化后數(shù)據(jù)精度更高,運(yùn)算時(shí)間和Datafly算法相當(dāng),具有更好的實(shí)際應(yīng)用價(jià)值。

    [1] LIN Chi, SONG Zi-hao, SONG Hou-bing, et al. Differential privacy preserving in big data analytics for connected health[J]. Journal of Medical Systems, 2016, 40(4): 1-9.

    [2] CHEN De-yan, ZHAO Hong. Data security and privacy protection issues in cloud computing[C]//2012 International Conference on Computer Science and Electronics Engineering. Hangzhou, China: IEEE, 2012, 1: 647-651.

    [3] COX L H. Suppression methodology and statistical disclosure control[J]. Journal of the American Statistical Association, 1980, 75(370): 377-385.

    [4] SWEENEY L.-anonymity: a model for protecting privacy[J]. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 2002, 10(5): 557-570.

    [5] SWEENEY L. Achieving-anonymity privacy protection using generalization and suppression [J]. International Journal on Uncertainty, Fuzziness and Knowledge-based Systems, 2002,10(5): 571-588.

    [6] SUN Xiao-xun, WANG Hua, LI Jiu-yong, et al. Publishing anonymous survey rating data[J]. Data Mining and Knowledge Discovery, 2011, 23(3): 379-406.

    [7] SORIACOMAS J, DOMINGOFERRER J, SANCHEZ D and MARTINEZ S. Enhancing data utility in differential privacy via microaggregation-based-anonymity[J]. The VLDB Journal, 2014, 23(5): 771-794.

    [8] MACHANAVAJJHALA A, KIFER D, GEHRKE J. L -diversity: Privacy beyond-anonymity[J]. ACM Transactions on Knowledge Discovery from Data, 2006, 1(1): 24.

    [9] CHEN Rui, FUNG B C M, MOHAMMED N, et al. Privacy-preserving trajectory data publishing by local suppression[J]. Information Sciences, 2011, 231(1): 83-97.

    [10] SORIACOMAS J, DOMINGOFERRER J, SANCHEZ D, et al. T-Closeness through microaggregation: Strict privacy with enhanced utility preservation[J]. IEEE Transactions on Knowledge & Data Engineering, 2015, 27(11): 3098- 3110.

    [11] 夏贊珠, 韓建民, 于娟, 等. 用于實(shí)現(xiàn) (,)-匿名模型的 MDAV 算法[J]. 計(jì)算機(jī)工程, 2010, 36(15): 159-161. XIA Zan-zhu, HAN Jian-ming,YU Juan, et al. MDAV Algorithm for implementing (,)-Anonymity model[J]. Computer Engineering, 2010, 36(15): 159-161

    [12] 楊高明, 李敬兆, 楊靜, 等. (,)-多樣性數(shù)據(jù)發(fā)布研究[J]. 計(jì)算機(jī)科學(xué), 2013, 40(8): 140-145.

    YANG Gao-ming, LI Jing-zhao, YANG Jing, et al. Achieving(,)-diversity in privacy preserving data publishing[J]. Computer Science, 2013, 40(8): 140-145.

    [13] LIU Qinghai, SHEN Hong, SANG Ying-peng. Privacy- preserving data publishing for multiple numerical sensitive attributes[J]. Tsinghua Science and Technology, 2015, 20(3): 246-254.

    [14] 彭長(zhǎng)根, 丁紅發(fā), 朱義杰, 等. 隱私保護(hù)的信息熵模型及其度量方法[J]. 軟件學(xué)報(bào), 2016, 27(8): 1891-1903. PENG Chang-gen, DING Hong-fa, ZHU Yi-jie, et al. Information entropy models and privacy metrics methods for privacy protection[J]. Journal of Software, 2016, 27(8): 1891-1903.

    [15] 劉向宇, 李佳佳, 安云哲, 等. 一種保持結(jié)點(diǎn)可達(dá)性的高效社會(huì)網(wǎng)絡(luò)圖匿名算法[J]. 軟件學(xué)報(bào), 2016, 32(8): 1904-1921. LIU Xiang-yu, LI Jia-jia, AN Yun-zhe, et al. On reachability preserving graph anonymization in social networks[J]. Journal of Software, 2016, 32(8): 1904-1921.

    [16] LI Xiu-hua, MIAO Mei-xia, LIU Hai, et al. An incentive mechanism for-anonymity in LBS privacy protection based on credit mechanism[J]. Soft Computing, 2017, 21(14): 3907-3917.

    [17] 韋茜, 李星毅. 基于-匿名的快遞信息隱私保護(hù)應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用研究, 2014, 31(2): 555-557. WEI Qian, LI Xing-yi. Express information protection application based on-anonymity[J]. Application Research of Computers, 2014, 31(2): 555-557.

    [18] OLIVEIRA S R M, ZAIANE O R. Privacy preserving clustering by data transformation[J]. Journal of Information and Data Management, 2010, 1(1): 37-51.

    [19] 呂品, 鐘珞, 王文兵, 等. MA-Datafly: 一種支持多屬性泛化的-匿名方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2013,49(4): 138-139. Lü Pin, ZHONG Luo, WANG Wen-bing, et al. MA-Datafly:-anonymity approaches for supporting multi-attribute generalization[J]. Computer Engineering & Applications, 2013, 49(4): 138-139.

    [20] HUNDEPOOL A, DOMINGOFERRER J, FRANCONI L, et al. Statistical disclosure control[M]. Chichester, UK: John Wiley & Sons Ltd, 2012.

    [21] LI Tian-cheng, LI Ning-hui, ZHANG Jian, et al. Slicing: a new approach for privacy preserving data publishing[J]. IEEE Transactions on, Knowledge and Data Engineering, 2012, 24(3): 561-574.

    [22] MURPHY P M, AHA D W. University of California Irvine machine learning repository[EB/OL]. (1996-02-15). http://archive.ics.uci. edu/ml/.

    [23] 晏華, 劉貴松. 采用熵的多維-匿名劃分方法[J]. 電子科技大學(xué)學(xué)報(bào), 2007, 36(6): 1228-1231. YAN Hua, LIU Gui-Song. Multidimensional-anonymity partition method using entropy[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1228-1231.

    編 輯 蔣 曉

    -Anonymity Algorithm Based on Multi Attribute Generalization

    SONG Ming-qiu, WANG Lin, JIANG Bao-yan, and DENG Gui-shi

    (Institute of Systems Engineering, Dalian University of Technology Dalian Liaoning 116024)

    Aiming at the major issues for data over-generalization and no unique attributes of-anonymity model, a modified-anonymity algorithm based on multiple attributes generalization is proposed in this paper. The conception of attribute approximation degree is introduced which describes the discrete degree of quasi-identifiers, and determines the candidate quasi-identifier attribute to be generalized. In the meantime, breadth-first generalization is exploited to avoid over-generalization and meets the-anonymity requirements ultimately. The experimental results show that the new-anonymity algorithm based on multiple attribute generalization can improve data precision and its efficiency is equal to Datafly algorithm. The proposed algorithm can effectively solve the issue of generalization attribute selecting when quasi-identifiers are not unique, the over-generalization of quasi-identifiers attributes can be avoided, and the usability of data can be improved.

    generalization;-anonymity; privacy protecting; relational data

    TP301.6

    A

    10.3969/j.issn.1001-0548.2017.06.018

    2017-03-31;

    2017-06-12

    國(guó)家自然科學(xué)基金面上項(xiàng)目(71171028);國(guó)家科技支撐計(jì)劃(2013BAH01B03)

    宋明秋(1967-),女,博士,副教授,主要從事信息安全、隱私保護(hù)方面的研究.

    猜你喜歡
    實(shí)驗(yàn)模型
    一半模型
    記一次有趣的實(shí)驗(yàn)
    微型實(shí)驗(yàn)里看“燃燒”
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    做個(gè)怪怪長(zhǎng)實(shí)驗(yàn)
    3D打印中的模型分割與打包
    NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
    實(shí)踐十號(hào)上的19項(xiàng)實(shí)驗(yàn)
    太空探索(2016年5期)2016-07-12 15:17:55
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    丝袜美足系列| 久久久久久久精品吃奶| 精品电影一区二区在线| 水蜜桃什么品种好| 久久精品亚洲精品国产色婷小说| 9色porny在线观看| 国产精品欧美亚洲77777| 精品一区二区三区四区五区乱码| 久久精品亚洲av国产电影网| 中亚洲国语对白在线视频| 亚洲黑人精品在线| 91av网站免费观看| 亚洲av电影在线进入| videosex国产| 99精品欧美一区二区三区四区| 80岁老熟妇乱子伦牲交| 久久国产乱子伦精品免费另类| 美女视频免费永久观看网站| 777久久人妻少妇嫩草av网站| 老司机在亚洲福利影院| 精品国产国语对白av| 少妇猛男粗大的猛烈进出视频| 亚洲精品av麻豆狂野| 午夜免费鲁丝| 黄片播放在线免费| 免费av中文字幕在线| 高清av免费在线| 亚洲成国产人片在线观看| 国产麻豆69| 女人精品久久久久毛片| 18禁黄网站禁片午夜丰满| 国产精品美女特级片免费视频播放器 | 国产精品一区二区精品视频观看| 超碰成人久久| 又黄又粗又硬又大视频| 日韩免费高清中文字幕av| 亚洲色图综合在线观看| 人人妻人人添人人爽欧美一区卜| 久久ye,这里只有精品| 成人18禁在线播放| 国产高清videossex| 国产精品免费大片| av网站在线播放免费| 18禁裸乳无遮挡动漫免费视频| 欧美日韩一级在线毛片| 别揉我奶头~嗯~啊~动态视频| 18禁黄网站禁片午夜丰满| 亚洲熟女精品中文字幕| 在线观看免费日韩欧美大片| 欧美精品一区二区免费开放| 嫁个100分男人电影在线观看| 日韩大码丰满熟妇| 国产精品成人在线| 久久天躁狠狠躁夜夜2o2o| 亚洲av日韩在线播放| 在线看a的网站| 久久精品91无色码中文字幕| 一区二区三区精品91| 99riav亚洲国产免费| 久久九九热精品免费| 欧美精品人与动牲交sv欧美| 免费在线观看完整版高清| 性色av乱码一区二区三区2| 两性夫妻黄色片| 成人三级做爰电影| 一区二区三区国产精品乱码| 日韩中文字幕欧美一区二区| 午夜福利欧美成人| 大陆偷拍与自拍| 大香蕉久久成人网| 少妇裸体淫交视频免费看高清 | 国产精品偷伦视频观看了| 啪啪无遮挡十八禁网站| 亚洲九九香蕉| 国产成人精品无人区| 老鸭窝网址在线观看| 视频在线观看一区二区三区| 久久精品亚洲av国产电影网| 一边摸一边抽搐一进一小说 | av免费在线观看网站| 亚洲精品中文字幕在线视频| 日韩制服丝袜自拍偷拍| 丁香欧美五月| 黄片小视频在线播放| 99re6热这里在线精品视频| 国产亚洲欧美在线一区二区| 欧美日韩亚洲综合一区二区三区_| 久久中文字幕一级| 69av精品久久久久久| 视频在线观看一区二区三区| 欧美日韩视频精品一区| 香蕉国产在线看| 久9热在线精品视频| 三级毛片av免费| 美女 人体艺术 gogo| 精品欧美一区二区三区在线| 最新美女视频免费是黄的| 看片在线看免费视频| 亚洲一区二区三区不卡视频| 欧美日韩av久久| 丝袜在线中文字幕| 国产深夜福利视频在线观看| 乱人伦中国视频| 亚洲国产精品sss在线观看 | 亚洲欧美精品综合一区二区三区| 丰满饥渴人妻一区二区三| av线在线观看网站| 日韩成人在线观看一区二区三区| 国产精品久久久人人做人人爽| 久久久水蜜桃国产精品网| 久久久久久久精品吃奶| 亚洲熟女精品中文字幕| 久久草成人影院| 最新美女视频免费是黄的| 美女福利国产在线| 午夜激情av网站| 亚洲专区中文字幕在线| 国产在线观看jvid| 亚洲国产看品久久| 久久精品国产亚洲av香蕉五月 | 国产日韩一区二区三区精品不卡| 一级毛片精品| 色婷婷久久久亚洲欧美| 999久久久精品免费观看国产| 婷婷精品国产亚洲av在线 | 亚洲国产中文字幕在线视频| 欧美大码av| 在线观看免费高清a一片| 老司机亚洲免费影院| 亚洲精品国产区一区二| 国产日韩欧美亚洲二区| 日韩欧美一区视频在线观看| 精品乱码久久久久久99久播| 国产成人精品在线电影| 日韩大码丰满熟妇| 日本撒尿小便嘘嘘汇集6| 伦理电影免费视频| 中文字幕高清在线视频| 国产精品98久久久久久宅男小说| 午夜视频精品福利| 国产不卡一卡二| videosex国产| 在线观看午夜福利视频| 日本撒尿小便嘘嘘汇集6| 国产高清videossex| 成人精品一区二区免费| 欧美激情久久久久久爽电影 | 99热网站在线观看| 黄色丝袜av网址大全| 看片在线看免费视频| 777久久人妻少妇嫩草av网站| 纯流量卡能插随身wifi吗| avwww免费| 亚洲精品美女久久av网站| 中文字幕人妻丝袜制服| 制服诱惑二区| 国产区一区二久久| 欧美久久黑人一区二区| 国产在视频线精品| 每晚都被弄得嗷嗷叫到高潮| 欧美黑人精品巨大| 午夜福利在线免费观看网站| 视频在线观看一区二区三区| 免费在线观看亚洲国产| 黄色女人牲交| 亚洲男人天堂网一区| 国产精品.久久久| 亚洲人成电影观看| 欧美一级毛片孕妇| 一区二区三区国产精品乱码| 精品少妇一区二区三区视频日本电影| 午夜视频精品福利| 久久亚洲精品不卡| 五月开心婷婷网| 一边摸一边抽搐一进一小说 | 久久久精品区二区三区| 一进一出抽搐gif免费好疼 | 亚洲美女黄片视频| a级片在线免费高清观看视频| 国产有黄有色有爽视频| 中国美女看黄片| 日本wwww免费看| 最近最新中文字幕大全电影3 | 黄片播放在线免费| 欧美人与性动交α欧美软件| 激情视频va一区二区三区| 亚洲美女黄片视频| 高清视频免费观看一区二区| 男女之事视频高清在线观看| 黄片大片在线免费观看| 两人在一起打扑克的视频| 亚洲精品久久午夜乱码| 岛国在线观看网站| 中文字幕制服av| 另类亚洲欧美激情| 国产精品一区二区在线观看99| a在线观看视频网站| 成年女人毛片免费观看观看9 | 每晚都被弄得嗷嗷叫到高潮| 久久精品aⅴ一区二区三区四区| 久久精品人人爽人人爽视色| 亚洲一码二码三码区别大吗| 在线观看日韩欧美| 久久久久国产一级毛片高清牌| 啦啦啦视频在线资源免费观看| 麻豆乱淫一区二区| 亚洲伊人色综图| 捣出白浆h1v1| 久久精品成人免费网站| 可以免费在线观看a视频的电影网站| 国产日韩一区二区三区精品不卡| 中文字幕精品免费在线观看视频| 丝袜在线中文字幕| 午夜福利乱码中文字幕| 久久中文字幕人妻熟女| 18禁黄网站禁片午夜丰满| 淫妇啪啪啪对白视频| 亚洲欧美精品综合一区二区三区| 村上凉子中文字幕在线| 国产欧美日韩精品亚洲av| 最新的欧美精品一区二区| 黑人猛操日本美女一级片| 一级毛片女人18水好多| 美女国产高潮福利片在线看| 黄色 视频免费看| 深夜精品福利| 亚洲精品国产精品久久久不卡| 国产精品久久久av美女十八| 亚洲av成人一区二区三| 一a级毛片在线观看| 中文字幕人妻丝袜制服| 久久ye,这里只有精品| 精品久久久久久久久久免费视频 | 欧美一级毛片孕妇| 好看av亚洲va欧美ⅴa在| 黑人巨大精品欧美一区二区蜜桃| 一二三四社区在线视频社区8| 国产精品成人在线| 国产精品一区二区在线不卡| 成年版毛片免费区| tube8黄色片| 成人亚洲精品一区在线观看| 桃红色精品国产亚洲av| 欧洲精品卡2卡3卡4卡5卡区| 色婷婷久久久亚洲欧美| 国产男靠女视频免费网站| 91成年电影在线观看| 精品熟女少妇八av免费久了| 黄色怎么调成土黄色| 在线观看免费视频日本深夜| 日韩欧美一区视频在线观看| 一级片免费观看大全| 熟女少妇亚洲综合色aaa.| 久久久久国产精品人妻aⅴ院 | 十分钟在线观看高清视频www| 精品久久久精品久久久| 嫩草影视91久久| 国产精品一区二区在线观看99| 日韩有码中文字幕| 亚洲在线自拍视频| 少妇粗大呻吟视频| 天堂动漫精品| 欧美人与性动交α欧美精品济南到| www.熟女人妻精品国产| 老司机在亚洲福利影院| 久久久精品免费免费高清| 亚洲七黄色美女视频| 大码成人一级视频| 亚洲一区中文字幕在线| 久久精品熟女亚洲av麻豆精品| 久久99一区二区三区| 午夜久久久在线观看| 一级黄色大片毛片| 欧美黑人精品巨大| 男男h啪啪无遮挡| 亚洲精品在线美女| 99国产精品免费福利视频| 亚洲熟女精品中文字幕| 啦啦啦在线免费观看视频4| 成人国产一区最新在线观看| 国产精品.久久久| 热99re8久久精品国产| 一区二区三区国产精品乱码| 人人妻,人人澡人人爽秒播| 国内毛片毛片毛片毛片毛片| 夜夜夜夜夜久久久久| 又黄又粗又硬又大视频| 欧美亚洲日本最大视频资源| 久久中文看片网| 一区二区三区精品91| 脱女人内裤的视频| av线在线观看网站| 久久精品国产亚洲av高清一级| 777米奇影视久久| 欧美日韩av久久| 91麻豆精品激情在线观看国产 | 中文欧美无线码| 成人精品一区二区免费| 男女午夜视频在线观看| 免费人成视频x8x8入口观看| 国产激情久久老熟女| 麻豆乱淫一区二区| 亚洲久久久国产精品| av福利片在线| 亚洲成人手机| 涩涩av久久男人的天堂| 免费观看人在逋| 亚洲综合色网址| 午夜激情av网站| 国产91精品成人一区二区三区| 国产黄色免费在线视频| 久久午夜综合久久蜜桃| 中文亚洲av片在线观看爽 | www.精华液| 麻豆成人av在线观看| 精品国产美女av久久久久小说| 欧美亚洲 丝袜 人妻 在线| 久久国产精品人妻蜜桃| 国产高清视频在线播放一区| 深夜精品福利| 人人妻人人澡人人看| 国产在视频线精品| 国产不卡一卡二| 这个男人来自地球电影免费观看| 我的亚洲天堂| ponron亚洲| 人人妻人人澡人人爽人人夜夜| 色婷婷av一区二区三区视频| 免费在线观看视频国产中文字幕亚洲| 亚洲国产精品sss在线观看 | 国产蜜桃级精品一区二区三区 | 女同久久另类99精品国产91| 美女高潮喷水抽搐中文字幕| 美女 人体艺术 gogo| av电影中文网址| 国产精品香港三级国产av潘金莲| a级毛片在线看网站| 精品第一国产精品| www.自偷自拍.com| 久久中文字幕一级| 欧美日韩亚洲国产一区二区在线观看 | 免费观看精品视频网站| 成人国产一区最新在线观看| 日本a在线网址| 久久久久精品国产欧美久久久| 免费在线观看影片大全网站| 免费高清在线观看日韩| 亚洲综合色网址| 妹子高潮喷水视频| videosex国产| 18禁裸乳无遮挡动漫免费视频| 777久久人妻少妇嫩草av网站| 国产欧美日韩一区二区三| 欧美日韩福利视频一区二区| 国产成+人综合+亚洲专区| 午夜福利一区二区在线看| 后天国语完整版免费观看| 国产1区2区3区精品| 午夜影院日韩av| 麻豆av在线久日| 国产成人免费无遮挡视频| 亚洲国产精品sss在线观看 | 成年人免费黄色播放视频| 两人在一起打扑克的视频| 亚洲一区中文字幕在线| 天堂√8在线中文| 狂野欧美激情性xxxx| 热re99久久精品国产66热6| 国产男女超爽视频在线观看| svipshipincom国产片| 午夜视频精品福利| 久久精品国产亚洲av高清一级| 一级毛片女人18水好多| 亚洲国产毛片av蜜桃av| 99riav亚洲国产免费| 亚洲一区二区三区不卡视频| 精品国产美女av久久久久小说| 高清毛片免费观看视频网站 | 国产成人欧美在线观看 | 夜夜爽天天搞| 国产成人免费无遮挡视频| 精品视频人人做人人爽| 别揉我奶头~嗯~啊~动态视频| 一边摸一边抽搐一进一出视频| 高清视频免费观看一区二区| 国产亚洲欧美98| 侵犯人妻中文字幕一二三四区| 欧美激情极品国产一区二区三区| 一级片'在线观看视频| 91字幕亚洲| 中亚洲国语对白在线视频| 成人精品一区二区免费| 久久精品熟女亚洲av麻豆精品| 久久午夜亚洲精品久久| 无限看片的www在线观看| 日韩欧美三级三区| 十分钟在线观看高清视频www| 999久久久精品免费观看国产| 性色av乱码一区二区三区2| 91老司机精品| 午夜福利视频在线观看免费| 久久精品成人免费网站| 搡老熟女国产l中国老女人| 精品乱码久久久久久99久播| 久久草成人影院| ponron亚洲| 亚洲精品自拍成人| 热re99久久国产66热| 欧美午夜高清在线| av天堂久久9| 精品少妇一区二区三区视频日本电影| 天天添夜夜摸| 两个人看的免费小视频| 亚洲欧美色中文字幕在线| 中文字幕人妻熟女乱码| 97人妻天天添夜夜摸| 露出奶头的视频| 久久人妻av系列| 亚洲国产毛片av蜜桃av| 亚洲熟女精品中文字幕| www日本在线高清视频| 国产三级黄色录像| 欧美日韩亚洲国产一区二区在线观看 | 亚洲专区字幕在线| 99精品欧美一区二区三区四区| 久久久久视频综合| 日韩免费av在线播放| 久久亚洲真实| 一本综合久久免费| 国产一区二区三区综合在线观看| 久久久久国产一级毛片高清牌| 午夜视频精品福利| 亚洲一区二区三区欧美精品| 少妇猛男粗大的猛烈进出视频| 18禁国产床啪视频网站| 国产单亲对白刺激| 日韩免费av在线播放| a在线观看视频网站| 免费在线观看视频国产中文字幕亚洲| 欧美日本中文国产一区发布| 美女扒开内裤让男人捅视频| 99国产极品粉嫩在线观看| 国产av又大| 国产精品亚洲一级av第二区| 成在线人永久免费视频| 国产精品一区二区免费欧美| 日韩欧美一区视频在线观看| 首页视频小说图片口味搜索| 久久久久久久精品吃奶| 国产精品美女特级片免费视频播放器 | 欧美精品亚洲一区二区| 欧美日韩亚洲综合一区二区三区_| 国产精品电影一区二区三区 | 男女高潮啪啪啪动态图| 久久国产乱子伦精品免费另类| 别揉我奶头~嗯~啊~动态视频| 九色亚洲精品在线播放| 亚洲九九香蕉| 国精品久久久久久国模美| 另类亚洲欧美激情| 大码成人一级视频| www.自偷自拍.com| 两性夫妻黄色片| 曰老女人黄片| 少妇裸体淫交视频免费看高清 | 人人妻人人澡人人爽人人夜夜| 久久热在线av| 国产一区在线观看成人免费| av福利片在线| 亚洲精品在线美女| 十八禁人妻一区二区| 757午夜福利合集在线观看| 露出奶头的视频| 啦啦啦在线免费观看视频4| 一本一本久久a久久精品综合妖精| 多毛熟女@视频| 巨乳人妻的诱惑在线观看| 日本撒尿小便嘘嘘汇集6| 12—13女人毛片做爰片一| 青草久久国产| 麻豆乱淫一区二区| 母亲3免费完整高清在线观看| 欧美人与性动交α欧美软件| 国产精品一区二区在线观看99| av国产精品久久久久影院| 亚洲成人国产一区在线观看| 日韩欧美在线二视频 | 老司机午夜福利在线观看视频| 亚洲伊人色综图| 欧美色视频一区免费| 妹子高潮喷水视频| 18在线观看网站| 亚洲色图av天堂| 精品免费久久久久久久清纯 | 一个人免费在线观看的高清视频| 搡老乐熟女国产| 亚洲片人在线观看| 国产精品亚洲av一区麻豆| 老汉色∧v一级毛片| 亚洲精华国产精华精| 久久精品亚洲熟妇少妇任你| 黑丝袜美女国产一区| 99国产精品99久久久久| 一二三四社区在线视频社区8| 久久午夜综合久久蜜桃| 久久精品国产亚洲av香蕉五月 | 自线自在国产av| 后天国语完整版免费观看| 精品国产亚洲在线| 最近最新免费中文字幕在线| 又黄又爽又免费观看的视频| 亚洲七黄色美女视频| 美国免费a级毛片| 亚洲九九香蕉| 日韩免费高清中文字幕av| 国产精品av久久久久免费| 黑人操中国人逼视频| 91成年电影在线观看| 久久国产亚洲av麻豆专区| 国产精品二区激情视频| 亚洲情色 制服丝袜| 亚洲,欧美精品.| xxx96com| 深夜精品福利| 高潮久久久久久久久久久不卡| 91精品三级在线观看| 国产精品一区二区免费欧美| 免费在线观看完整版高清| 久久热在线av| 午夜免费观看网址| 制服人妻中文乱码| 午夜免费观看网址| 黄色丝袜av网址大全| av视频免费观看在线观看| 一级片'在线观看视频| 国产真人三级小视频在线观看| 成年女人毛片免费观看观看9 | 国产有黄有色有爽视频| 在线国产一区二区在线| 91成年电影在线观看| 美女福利国产在线| 成人免费观看视频高清| 日日爽夜夜爽网站| 露出奶头的视频| 午夜91福利影院| 丝袜美腿诱惑在线| 久久精品亚洲精品国产色婷小说| 国产成人欧美| 亚洲精品自拍成人| 国产亚洲av高清不卡| 久久性视频一级片| 激情视频va一区二区三区| 国产色视频综合| 国产视频一区二区在线看| 欧美成狂野欧美在线观看| 国产无遮挡羞羞视频在线观看| 国产av又大| 免费在线观看影片大全网站| 午夜精品久久久久久毛片777| 中文字幕制服av| 日韩一卡2卡3卡4卡2021年| 免费看a级黄色片| 久久久国产成人精品二区 | 国产成人系列免费观看| 精品午夜福利视频在线观看一区| 99re在线观看精品视频| 亚洲国产中文字幕在线视频| 国产又爽黄色视频| 国产成人啪精品午夜网站| 欧美激情 高清一区二区三区| 夜夜躁狠狠躁天天躁| 大香蕉久久网| 久久国产亚洲av麻豆专区| 国产免费现黄频在线看| 国产成人免费无遮挡视频| 国产一区二区三区在线臀色熟女 | 免费在线观看视频国产中文字幕亚洲| 大型av网站在线播放| 侵犯人妻中文字幕一二三四区| 久久精品成人免费网站| 亚洲三区欧美一区| 久久久国产成人免费| 韩国精品一区二区三区| 亚洲成国产人片在线观看| 国产xxxxx性猛交| 国内久久婷婷六月综合欲色啪| 国产精品国产av在线观看| 中文字幕最新亚洲高清| 天堂动漫精品| 国产成人精品久久二区二区免费| 欧美激情高清一区二区三区| 国产精品国产高清国产av | 午夜福利影视在线免费观看| 在线看a的网站| 亚洲成人免费电影在线观看| 操出白浆在线播放| 免费黄频网站在线观看国产| 熟女少妇亚洲综合色aaa.| 午夜福利视频在线观看免费| 国产极品粉嫩免费观看在线| 亚洲 国产 在线| 狂野欧美激情性xxxx| 国产一区在线观看成人免费| 搡老乐熟女国产| 亚洲av成人av| 黄色丝袜av网址大全| 日韩 欧美 亚洲 中文字幕| av一本久久久久| 国产一卡二卡三卡精品| 国产成人啪精品午夜网站| 丁香欧美五月| 中文字幕最新亚洲高清| 亚洲熟妇熟女久久| 亚洲专区字幕在线| 一级,二级,三级黄色视频|