• <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 ?

    用戶網(wǎng)絡(luò)行為模擬技術(shù)研究*

    2018-01-29 01:42:15李晶晶劉紅日王佰玲
    關(guān)鍵詞:鼠標(biāo)鍵盤建模

    李晶晶,劉紅日,劉 揚(yáng),宋 佳,王佰玲

    (哈爾濱工業(yè)大學(xué)(威海)網(wǎng)絡(luò)技術(shù)研究所,山東 威海 264209)

    0 引言

    用戶的網(wǎng)絡(luò)行為往往體現(xiàn)了其興趣特點(diǎn)、行為習(xí)慣以及影響其行為的因素等諸多特性,對(duì)網(wǎng)絡(luò)用戶行為的分析研究以及預(yù)測(cè)模擬,對(duì)于面向用戶的網(wǎng)絡(luò)服務(wù)而言,不僅在改善服務(wù)的性能上可以有所提高,使用基于用戶行為愛(ài)好習(xí)慣的模型來(lái)向用戶提供推薦結(jié)果亦或其他信息也將在大大提高用戶體驗(yàn)的同時(shí)取得更大的效益。因此,如何進(jìn)行高逼真度的用戶行為模擬是一個(gè)相當(dāng)值得研究的問(wèn)題。

    用戶的網(wǎng)絡(luò)行為可以定義為互聯(lián)網(wǎng)用戶在某個(gè)時(shí)間點(diǎn)或者時(shí)間段操作某個(gè)或某種應(yīng)用程序產(chǎn)生網(wǎng)絡(luò)流量,與網(wǎng)絡(luò)上其他人、服務(wù)進(jìn)行交互的行為。根據(jù)用戶規(guī)模,用戶的網(wǎng)絡(luò)行為可以分為個(gè)人行為和群體行為,對(duì)于個(gè)人行為來(lái)說(shuō),對(duì)其進(jìn)行分析建模可以得出單人的行為習(xí)慣、預(yù)測(cè)其行為序列;對(duì)于群體行為來(lái)說(shuō),對(duì)其進(jìn)行分析建??梢詫?shí)現(xiàn)大規(guī)模人群的綜合效果的模擬,發(fā)掘出單人行為所無(wú)法獲得的信息。本文對(duì)近年來(lái)關(guān)于用戶網(wǎng)絡(luò)行為分析模擬的研究進(jìn)行簡(jiǎn)單的闡述和梳理,并且對(duì)其未來(lái)的研究與發(fā)展進(jìn)行了展望。

    1 研究現(xiàn)狀及分類

    用戶網(wǎng)絡(luò)行為的研究在研究方向上比較集中,主要可以分為個(gè)人網(wǎng)絡(luò)行為和群體網(wǎng)絡(luò)行為兩大類,除去肖云鵬[1]將個(gè)人行為動(dòng)力學(xué)模型結(jié)合群體動(dòng)力學(xué)模型建立了一個(gè)針對(duì)在線社會(huì)網(wǎng)絡(luò)場(chǎng)景的用戶行為動(dòng)力學(xué)模型之外,各類研究均可歸結(jié)為在個(gè)人網(wǎng)絡(luò)行為和群體網(wǎng)絡(luò)行為兩個(gè)方面中單獨(dú)選擇一個(gè)進(jìn)行深入探討。

    1.1 個(gè)人行為

    在個(gè)人行為的研究中,可以分為粗粒度行為和細(xì)粒度行為兩大類,其中細(xì)粒度行為研究是指對(duì)用戶使用鼠標(biāo)或者鍵盤的操作行為進(jìn)行的研究,其關(guān)注點(diǎn)在于用戶對(duì)鼠標(biāo)、鍵盤等外部設(shè)備的使用特征,如用戶在使用鼠標(biāo)時(shí)所產(chǎn)生的軌跡;而粗粒度行為研究是指對(duì)用戶使用應(yīng)用程序的操作進(jìn)行的研究,其關(guān)注點(diǎn)在于用戶使用何種應(yīng)用程序以及使用應(yīng)用程序進(jìn)行了何種操作,如用戶使用瀏覽器進(jìn)行網(wǎng)頁(yè)內(nèi)容的瀏覽。

    1.1.1細(xì)粒度行為

    在用戶細(xì)粒度行為研究方面,Zheng Nan等人[2]通過(guò)研究不同用戶操縱鼠標(biāo)時(shí)的行為特征,選取三個(gè)角度相關(guān)的特征族,訓(xùn)練得到一個(gè)在Block框架下錯(cuò)誤率和錯(cuò)誤接受率均可低至1.3%的SVM模型,從而證實(shí)用戶的鼠標(biāo)行為具有強(qiáng)區(qū)分性。文中同時(shí)指出,通過(guò)模擬鼠標(biāo)行為有可能成功地欺騙該身份認(rèn)證模型。而在鼠標(biāo)行為模擬方面,使用真實(shí)的用戶行為模板進(jìn)行模擬是許多學(xué)者的選擇,如GARG A[3]等人從真實(shí)用戶的操作數(shù)據(jù)中提取了用戶動(dòng)機(jī)、技能、軟件安裝配置、鍵盤鼠標(biāo)活動(dòng)四部分相關(guān)特征,生成行為模板,進(jìn)一步使用其團(tuán)隊(duì)開(kāi)發(fā)的Usim用戶行為模擬接口進(jìn)行了一些異常操作的模擬。其實(shí)驗(yàn)數(shù)據(jù)表明,通過(guò)使用此模擬數(shù)據(jù)來(lái)對(duì)用戶異常行為檢測(cè)模型的訓(xùn)練進(jìn)行輔助,模型的精度得到了有效提高。由于在應(yīng)用該模擬方法時(shí),使用了關(guān)于用戶緊張程度的特征,并且鍵盤、鼠標(biāo)操作的宏觀形勢(shì)與原始數(shù)據(jù)類似,故其對(duì)用戶行為特征理應(yīng)有一定的刻畫(huà),但是其具體效果還有待考證。除此之外,Hu Shujie等人[4]提出了一種用戶級(jí)鼠標(biāo)行為模擬的方法,使用該方法可以在僅有少量已知鼠標(biāo)行為數(shù)據(jù)的情況下,模擬出該用戶在各種常見(jiàn)場(chǎng)景下的鼠標(biāo)行為。該文針對(duì)上文提到的經(jīng)典鼠標(biāo)身份認(rèn)證框架[2]進(jìn)行了模擬數(shù)據(jù)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明此方法能夠以平均超過(guò)60%的通過(guò)率成功欺騙錯(cuò)誤率已經(jīng)低至1%的認(rèn)證模型。但是,此方法只是進(jìn)行了簡(jiǎn)單的模擬,并沒(méi)有考慮到不同用戶的行為特征分布會(huì)有不同的情況。在進(jìn)行鼠標(biāo)行為建模時(shí),其特征維度通常比較高,Cai Zhongmin等人[5]考慮到用戶在鼠標(biāo)動(dòng)力學(xué)上的差異,對(duì)44種特征進(jìn)行抽取,基于Multidimensional Scaling、Laplacian Eigenmaps、Isometric Feature Mapping、Local Liner Embedding等降維方法,分別使用了Random Forest、SVM、Neural Network以及Mearest Neighbor進(jìn)行二分類實(shí)驗(yàn),結(jié)果表明,通過(guò)使用降維方法處理過(guò)的數(shù)據(jù)來(lái)進(jìn)行分類,效果要好于直接使用未降維的數(shù)據(jù)進(jìn)行分類。除此之外,該實(shí)驗(yàn)還顯示,序列的特征空間如果足夠長(zhǎng),行為的差異就會(huì)變小,使得分類的FRR和FAR有所提高。在鼠標(biāo)行為模擬之外,敲擊鍵盤的行為也是用戶行為的重要部分,在此方面,MONACO J V等人[7]通過(guò)研究發(fā)現(xiàn),人們通常使用的單詞的平均長(zhǎng)度為6個(gè)字母或者5個(gè)字母再加上1個(gè)空格字符,而絕大多數(shù)人敲擊鍵盤的頻率平均是200次/分鐘,這相當(dāng)于每分鐘打出了33個(gè)單詞,而職業(yè)打字員其打字速度是平均速度的兩倍,因此,模擬鍵盤行為時(shí)需要對(duì)此進(jìn)行考慮。鼠標(biāo)行為和鍵盤行為共同構(gòu)成了用戶的細(xì)粒度行為,因而在模擬用戶的行為時(shí),需要將二者綜合考慮,使得模擬結(jié)果盡量符合用戶鼠標(biāo)和鍵盤的行為習(xí)慣。

    1.1.2粗粒度行為

    在粗粒度行為研究方面,根據(jù)模擬的層次不同,可以粗略地分為行為序列的生成和行為的實(shí)現(xiàn)兩種研究,在行為序列生成上,LETHAM B等人[8]提出一種通用的序列預(yù)測(cè)模型,該模型基于其團(tuán)隊(duì)提出的一個(gè)序列預(yù)測(cè)損失函數(shù),其核心在于建模時(shí)并不無(wú)條件地使用原始行為序列,而是考慮其中對(duì)于預(yù)測(cè)結(jié)果有影響的行為序列。對(duì)該模型分別使用食品推薦、郵件收件人預(yù)測(cè)、病人狀態(tài)預(yù)測(cè)三個(gè)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),采用擬牛頓法來(lái)對(duì)損失函數(shù)的參數(shù)進(jìn)行擬合,結(jié)果表明,相對(duì)于余弦相似度模型和關(guān)聯(lián)規(guī)則模型,此模型可以獲得更高的模擬精度。而在行為實(shí)現(xiàn)上,AMIRKHANYAN A等人[9]設(shè)計(jì)實(shí)現(xiàn)了一種基于用戶行為狀態(tài)圖(User Behavior States Graph,UBSG)的用戶行為模擬方案。使用預(yù)定義的狀態(tài)、動(dòng)作以及動(dòng)作實(shí)現(xiàn)接口,描述用戶在特定場(chǎng)景下的行為。從本質(zhì)上來(lái)講,其模型為有限狀態(tài)機(jī),模型使用人工手動(dòng)編寫腳本來(lái)對(duì)虛擬機(jī)進(jìn)行操作從而實(shí)現(xiàn)用戶的操作行為,其狀態(tài)被定義為屏幕截圖,用戶的操作行為是將登錄、輸入密碼、Ctrl+C等常用操作進(jìn)行了封裝,狀態(tài)之間的切換被設(shè)計(jì)為一套接口。此模型最主要的問(wèn)題在于:由于狀態(tài)定義為屏幕截圖,其狀態(tài)的確定只能通過(guò)截圖匹配的方式進(jìn)行,故其魯棒性較差;狀態(tài)圖的具體定義和狀態(tài)之間的切換方式完全依賴于人工的手工操作,導(dǎo)致模型的自動(dòng)化程度以及可擴(kuò)展性較差??傮w來(lái)說(shuō)此模型實(shí)現(xiàn)了狀態(tài)之間的切換,但未完成用戶行為的自動(dòng)生成工作,不能單獨(dú)進(jìn)行針對(duì)具體用戶進(jìn)行高逼真度的行為模擬。其典型的用戶行為狀態(tài)圖如圖1所示,其中,Si代表狀態(tài),Ai代表用戶轉(zhuǎn)換到下一個(gè)狀態(tài)所要執(zhí)行的操作。

    圖1 用戶行為狀態(tài)圖

    吳書(shū)等人[10]通過(guò)研究發(fā)現(xiàn),為達(dá)到大幅度提升用戶行為預(yù)測(cè)任務(wù)性能的效果,可以通過(guò)引入充足的情景大數(shù)據(jù),從而揭示出用戶行為發(fā)生的機(jī)制的方法來(lái)實(shí)現(xiàn)。通過(guò)借鑒自然語(yǔ)言領(lǐng)域常用的詞向量處理方法word2vec[11]的思想,Wu Shu等人[12]提出了一種名為情境操作張量(Contextual Operation Tensor,COT)的建模方法。該方法的思想為通過(guò)將名詞語(yǔ)義表達(dá)向量化、情境信息表達(dá)矩陣化,從而使得情境下實(shí)體的新屬性能夠?qū)⑻囟ㄇ榫诚聦?shí)體表達(dá)上的改變反映出來(lái);與此同時(shí),將情境信息的潛在語(yǔ)義作為操作矩陣來(lái)進(jìn)行描述,使用多個(gè)基本的操作矩陣共同生成情境操作矩陣來(lái)描述共同點(diǎn)的情境語(yǔ)義操作。將該模型與 CARS2[13]、Hetero-MF[14]、FM[15]、Multiverse Recommendation[16]以及SVD++[17]等情境建模方法進(jìn)行對(duì)比,可以得出該模型在RMSE和MAE上具有一定的優(yōu)越性。

    張新星[18]對(duì)用戶行為的實(shí)現(xiàn)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,使用基于“錄制-回放”策略的網(wǎng)絡(luò)桌面應(yīng)用操作模擬方案,結(jié)合KVM虛擬機(jī)技術(shù),實(shí)現(xiàn)了在Windows XP、Windows 7和Ubuntu12.04桌面版等多種操作系統(tǒng)平臺(tái)上用戶對(duì)瀏覽網(wǎng)頁(yè)、播放音視頻、首發(fā)郵件、使用即時(shí)通信軟件等典型網(wǎng)絡(luò)應(yīng)用的操作行為,該實(shí)驗(yàn)方案以生成的網(wǎng)絡(luò)流量的真實(shí)性(網(wǎng)絡(luò)流量的突發(fā)性及自相似性)作為用戶行為真實(shí)性的評(píng)價(jià)依據(jù),在模擬過(guò)程中隨機(jī)選擇兩個(gè)時(shí)長(zhǎng)為450 s的時(shí)間段,對(duì)其中流量數(shù)據(jù)使用R/S法[19]求解Hurst參數(shù),分別得到0.854 4和0.905 5的結(jié)果,表明模擬行為產(chǎn)生的流量具有良好的長(zhǎng)相關(guān)特性。

    1.2 群體行為

    在群體用戶行為的研究中,最為常見(jiàn)的方法是根據(jù)統(tǒng)計(jì)特征來(lái)建立統(tǒng)計(jì)模型從而對(duì)群體用戶的行為特征進(jìn)行刻畫(huà),Yang Jie等人[20]通過(guò)對(duì)中國(guó)某南方城市一周的2G/3G移動(dòng)網(wǎng)絡(luò)流量行進(jìn)分析處理,將群體用戶行為在數(shù)據(jù)流量消耗、移動(dòng)模式、網(wǎng)絡(luò)應(yīng)用使用三個(gè)方面進(jìn)行了研究,使用分裂層次聚類的方法將用戶進(jìn)行分類,對(duì)每類用戶的行為進(jìn)行分析后得出此三方面之間的關(guān)系,進(jìn)一步得出有50%的用戶每天使用5種以上的不同的應(yīng)用,在不同的時(shí)間段用戶所偏好的應(yīng)用種類亦有所不同,并且移動(dòng)流量使用與移動(dòng)模式對(duì)用戶的應(yīng)用使用有很大的影響。受統(tǒng)計(jì)模型的限制,其并不能滿足對(duì)用戶行為進(jìn)行模擬的需求,基于統(tǒng)計(jì)之上對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行再次建模處理的模式越來(lái)越受重視, LOYOLA P等人[21]使用蟻群算法從聚類的用戶Web會(huì)話集中學(xué)習(xí)到一個(gè)文本偏好向量作為用戶特征描述,根據(jù)此文本偏好向量,發(fā)布到網(wǎng)絡(luò)圖中的蟻群便可生成一系列的網(wǎng)頁(yè)訪問(wèn)行為。通過(guò)與原有真實(shí)會(huì)話對(duì)比可以得出,該模型所生成的模擬會(huì)話與真實(shí)會(huì)話的相似度接近80%。除此之外,Wang Gang等人[22]構(gòu)建了一個(gè)使用無(wú)監(jiān)督模型來(lái)識(shí)別用戶行為的系統(tǒng),該系統(tǒng)通過(guò)分析用戶的點(diǎn)擊流數(shù)據(jù)(用戶點(diǎn)擊事件所形成的路徑信息)來(lái)劃分相似度圖(節(jié)點(diǎn)表示用戶,節(jié)點(diǎn)之間的邊通過(guò)點(diǎn)擊流的相似性加權(quán)得到)來(lái)進(jìn)行用戶聚類。其思想是通過(guò)利用迭代特征修剪來(lái)捕獲用戶群內(nèi)的自然層次結(jié)構(gòu),從而識(shí)別用戶的行為。通過(guò)使用Whisper和人人網(wǎng)的真實(shí)數(shù)據(jù)來(lái)進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明,該系統(tǒng)可以準(zhǔn)確地辨別出用戶的異常行為,甚至可以預(yù)測(cè)用戶的未來(lái)行為。

    2 未來(lái)研究展望

    綜上所述,在可以預(yù)見(jiàn)的未來(lái),針對(duì)用戶網(wǎng)絡(luò)行為模擬技術(shù)研究,在個(gè)人行為方面還將依然圍繞提高用戶個(gè)人行為的細(xì)粒度模擬精度、粗粒度的行為序列生成的逼真度的方向發(fā)展,除此之外,粗細(xì)粒度結(jié)合、用戶序列生成與執(zhí)行之間的結(jié)合的重要性也將日漸凸顯。而在群體行為方面,在將統(tǒng)計(jì)特征完整提取的基礎(chǔ)之上,如何將個(gè)人行為與群體行為有機(jī)結(jié)合,即如何對(duì)個(gè)人行為進(jìn)行合理調(diào)度,使由眾多個(gè)人行為構(gòu)成的群體行為依然保持符合群體的統(tǒng)計(jì)特征將是一個(gè)重要的研究方向。

    [1] 肖云鵬. 在線社會(huì)網(wǎng)絡(luò)用戶行為模型與應(yīng)用算法研究[D]. 北京:北京郵電大學(xué), 2013.

    [2] Zheng Nan,PALOSKI A, Wang Haining. An efficient user verification system via mouse movements[C]. ACM Conference on Computer and Communications Security. ACM, 2011:139-150.

    [3] GARG A,VIDYARAMAN S, UPADHYAYA S, et al. USim: a user behavior simulation framework for training and testing IDSes in GUI based systems[C].Simulation Symposium, 2006. IEEE, 2006:8.

    [4] Hu Shujie, Bai Jun, Liu Hongri, et al. Deceive mouse-dynamics-based authentication model via movement simulation[C].International Symposium on Computational Intelligence and Design. IEEE, 2017, in press.

    [5] Cai Zhongmin, Shen Chao, Guan Xiaohong. Mitigating behavioral variability for mouse dynamics: a dimensionality-reduction-based approach[J]. IEEE Transactions on Human-Machine Systems, 2014, 44(2): 244-255.

    [6] Shen Chao, Cai Zhongmin, Guan Xiaohong, et al. User authentication through mouse dynamics[J]. IEEE Transactions on Information Forensics & Security, 2013, 8(1):16-30.

    [7] MONACO J V,BAKELMAN N, CHA S H, et al. Developing a keystroke biometric system for continual authentication of computer users[C]. Intelligence and Security Informatics Conference. IEEE, 2012:210-216.

    [8] LETHAM B, RUDIN C, MADIGAN D. Sequential event prediction[J]. Machine Learning, 2013, 93(2-3):357-380.

    [9] AMIRKHANYAN A, SAPEGIN A, GAWRON M, et al. Simulation user behavior on a security testbed using user behavior states graph[C].International Conference on Security of Information and Networks. ACM, 2015:217-223.

    [10] 吳書(shū), 劉強(qiáng), 王亮. 情境大數(shù)據(jù)建模及其在用戶行為預(yù)測(cè)中的應(yīng)用[J]. 大數(shù)據(jù), 2016, 2(6):110-117.

    [11] MIKOLOV T, SUTSKEVER I, Chen Kai, et al. Distributed representations of words and phrases and their compositionality[J]. Advances in Neural Information Processing Systems, 2013, 26:3111-3119.

    [12] Wu Shu, Liu Qiang, Wang Liang, et al. Contextual operation for recommender systems[J]. IEEE Transactions on Knowledge & Data Engineering, 2016, 28(8):2000-2012.

    [13] Shi Yue, KARATZOGLOU A, BALTRUNAS L, et al. CARS2: learning context-aware representations for context-aware recommendations[C]. ACM Conference on Information and Knowledge Management CIKM. ACM, 2014:291-300.

    [14] JAMALI M, LAKSHMANAN L. HeteroMF: recommendation in heteroge-neous information networks using context dependent factor models[C]. International Conference on World Wide Web. ACM, 2013:643-654.

    [15] RENDLE S, GANTNER Z, FREUDENTHALER C, et al. Fast context-aware recommendations with factorization machines[C].Proceedings of the 34th International ACM SIGIR conference on Research and Development in Information Retrieval. ACM, 2011: 635-644.

    [16] KARATZOGLOU A, AMATRIAIN X, BALTRUNAS L, et al. Multiverse recommendation:n-dimensional tensor factorization for context-aware collab-orative filtering[C].ACM Conference on Recommender Systems, Recsys 2010, Barcelona, Spain, September. DBLP, 2010:79-86.

    [17] KOREN Y. Factorization meets the neighborhood: a multifaceted col-laborative filtering model[C]. ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2008:426-434.

    [18] 張新星. 基于虛擬化的網(wǎng)絡(luò)流量模擬系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱:哈爾濱工業(yè)大學(xué),2017.

    [19] JULIO C, PACHECO R, ROMAN D T, et al. R/S statistic: accuracy and implementations electronics[C]. Proceedings of the 18th Conference on Communications and Computers, 2008: 17-22.

    [20] Yang Jie, Qiao Yuanyuan, Zhang Xinyu, et al. Characterizing user behavior in mobile Internet[J]. IEEE Transactions on Emerging Topics in Computing, 2015, 3(1):95-106.

    [21] LOYOLA P,ROM′N P E, VEL′SQUEZ J D. Clustering-based learning approach for ant colony optimization model to simulate web user behavior[C]. IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. IEEE, 2011:457-464.

    [22] Wang Gang, Zhang Xinyi, Tang Shiliang, et al. Unsupervised clickstream clustering for user behavior analysis[C].CHI Conference on Human Factors in Computing Systems. ACM, 2016:225-236.

    猜你喜歡
    鼠標(biāo)鍵盤建模
    你知道手機(jī)撥號(hào)鍵盤上為什么要有*和#嗎?
    鍵盤貓
    聯(lián)想等效,拓展建?!浴皫щ娦∏蛟诘刃?chǎng)中做圓周運(yùn)動(dòng)”為例
    Progress in Neural NLP: Modeling, Learning, and Reasoning
    Engineering(2020年3期)2020-09-14 03:42:00
    Cлово месяца
    ikbc R300機(jī)械鍵盤
    基于PSS/E的風(fēng)電場(chǎng)建模與動(dòng)態(tài)分析
    電子制作(2018年17期)2018-09-28 01:56:44
    不對(duì)稱半橋變換器的建模與仿真
    三元組輻射場(chǎng)的建模與仿真
    45歲的鼠標(biāo)
    亚洲精品一二三| 少妇被粗大的猛进出69影院 | 国产精品成人在线| 久久久欧美国产精品| 99热6这里只有精品| 中国国产av一级| 又大又黄又爽视频免费| 免费av不卡在线播放| 香蕉精品网在线| 五月天丁香电影| 亚洲情色 制服丝袜| av免费观看日本| 国产欧美亚洲国产| 精品亚洲乱码少妇综合久久| 成年人午夜在线观看视频| 精品一区二区三区四区五区乱码 | 国产精品一二三区在线看| 亚洲精品国产色婷婷电影| 精品久久久久久电影网| 亚洲欧美一区二区三区黑人 | 9191精品国产免费久久| 国产精品欧美亚洲77777| 成人毛片60女人毛片免费| 两性夫妻黄色片 | 如日韩欧美国产精品一区二区三区| 久久久久久久久久久免费av| 国产日韩欧美在线精品| 三级国产精品片| 韩国av在线不卡| 中文字幕免费在线视频6| 午夜激情av网站| 9色porny在线观看| 亚洲av成人精品一二三区| 看免费成人av毛片| 国产乱人偷精品视频| 国产亚洲精品久久久com| 青青草视频在线视频观看| 成人国语在线视频| 精品人妻偷拍中文字幕| 欧美97在线视频| 国产一级毛片在线| 午夜激情av网站| 久久精品国产综合久久久 | 精品亚洲成国产av| 在线观看www视频免费| 日韩 亚洲 欧美在线| 精品国产国语对白av| 青春草亚洲视频在线观看| 国产精品秋霞免费鲁丝片| av播播在线观看一区| 国产白丝娇喘喷水9色精品| 国产精品人妻久久久久久| tube8黄色片| 久久精品国产鲁丝片午夜精品| 精品一区二区三区视频在线| 亚洲欧美日韩卡通动漫| 亚洲欧洲日产国产| 美女国产视频在线观看| 日日撸夜夜添| 搡女人真爽免费视频火全软件| 女人久久www免费人成看片| 欧美激情 高清一区二区三区| av在线老鸭窝| 涩涩av久久男人的天堂| 内地一区二区视频在线| 香蕉精品网在线| 中文字幕制服av| 久久久精品区二区三区| 一本久久精品| 亚洲成人手机| 欧美国产精品一级二级三级| 亚洲国产精品专区欧美| 国产精品偷伦视频观看了| 欧美xxⅹ黑人| 免费av不卡在线播放| av有码第一页| 欧美日本中文国产一区发布| tube8黄色片| 成年av动漫网址| 97人妻天天添夜夜摸| 亚洲精品av麻豆狂野| 激情五月婷婷亚洲| 五月玫瑰六月丁香| 亚洲国产精品专区欧美| 观看av在线不卡| 在线观看免费日韩欧美大片| 一区二区三区精品91| 最近中文字幕2019免费版| 看十八女毛片水多多多| 国产成人精品一,二区| 久久精品国产鲁丝片午夜精品| 在线亚洲精品国产二区图片欧美| 在线免费观看不下载黄p国产| 国产成人aa在线观看| 欧美精品亚洲一区二区| 欧美日韩国产mv在线观看视频| 好男人视频免费观看在线| 最后的刺客免费高清国语| 欧美人与性动交α欧美软件 | 亚洲欧美成人精品一区二区| 国产淫语在线视频| 精品亚洲乱码少妇综合久久| 如何舔出高潮| 欧美精品亚洲一区二区| 日韩一区二区三区影片| 黄网站色视频无遮挡免费观看| 国产精品久久久久成人av| 王馨瑶露胸无遮挡在线观看| 一区二区三区乱码不卡18| 一本大道久久a久久精品| 中文字幕av电影在线播放| 黄片播放在线免费| 日本av手机在线免费观看| 少妇猛男粗大的猛烈进出视频| 久久精品国产综合久久久 | 下体分泌物呈黄色| 亚洲综合精品二区| 好男人视频免费观看在线| 99久久综合免费| 亚洲,一卡二卡三卡| 国产日韩一区二区三区精品不卡| 色哟哟·www| √禁漫天堂资源中文www| 国产成人精品婷婷| 久久久久视频综合| 爱豆传媒免费全集在线观看| 日韩中文字幕视频在线看片| 菩萨蛮人人尽说江南好唐韦庄| 亚洲色图 男人天堂 中文字幕 | 国产亚洲欧美精品永久| 国产精品三级大全| 99热国产这里只有精品6| 波多野结衣一区麻豆| 超色免费av| 精品国产乱码久久久久久小说| 美女主播在线视频| 只有这里有精品99| 亚洲av国产av综合av卡| 日本vs欧美在线观看视频| 国产精品免费大片| 国产成人免费无遮挡视频| www日本在线高清视频| 欧美成人午夜精品| 国产乱人偷精品视频| 女性生殖器流出的白浆| 只有这里有精品99| 黑人猛操日本美女一级片| 高清不卡的av网站| 日韩成人av中文字幕在线观看| 狂野欧美激情性xxxx在线观看| 多毛熟女@视频| 综合色丁香网| 99九九在线精品视频| 热99国产精品久久久久久7| 久久精品国产综合久久久 | 亚洲第一区二区三区不卡| 国产精品久久久久久久电影| 最近最新中文字幕大全免费视频 | 精品国产露脸久久av麻豆| 成年美女黄网站色视频大全免费| 你懂的网址亚洲精品在线观看| 亚洲一码二码三码区别大吗| 欧美日韩一区二区视频在线观看视频在线| 亚洲av日韩在线播放| 国产免费一级a男人的天堂| 日产精品乱码卡一卡2卡三| 波多野结衣一区麻豆| 久久这里只有精品19| 色吧在线观看| 国产精品三级大全| 中文字幕最新亚洲高清| 久久午夜综合久久蜜桃| 人人澡人人妻人| 高清不卡的av网站| 夜夜骑夜夜射夜夜干| 黄网站色视频无遮挡免费观看| 久久精品国产鲁丝片午夜精品| 国产爽快片一区二区三区| 99热6这里只有精品| 久久综合国产亚洲精品| 一二三四在线观看免费中文在 | 日韩三级伦理在线观看| 伊人亚洲综合成人网| 国产av码专区亚洲av| 美女脱内裤让男人舔精品视频| 狠狠婷婷综合久久久久久88av| 22中文网久久字幕| 满18在线观看网站| 如日韩欧美国产精品一区二区三区| 国产国语露脸激情在线看| 国产一区二区在线观看日韩| 最近最新中文字幕免费大全7| 菩萨蛮人人尽说江南好唐韦庄| 国产精品免费大片| 久久 成人 亚洲| 2021少妇久久久久久久久久久| 18禁在线无遮挡免费观看视频| 久久午夜福利片| 下体分泌物呈黄色| 三上悠亚av全集在线观看| 国产xxxxx性猛交| 亚洲丝袜综合中文字幕| 亚洲在久久综合| 夫妻性生交免费视频一级片| 精品福利永久在线观看| 在线看a的网站| 纵有疾风起免费观看全集完整版| 精品国产一区二区三区久久久樱花| 大陆偷拍与自拍| 欧美最新免费一区二区三区| 久久99一区二区三区| 亚洲激情五月婷婷啪啪| 久久精品国产自在天天线| 国产欧美另类精品又又久久亚洲欧美| 黑人猛操日本美女一级片| 久久精品久久精品一区二区三区| 国产精品熟女久久久久浪| 麻豆乱淫一区二区| 在线观看www视频免费| 久久久久久久亚洲中文字幕| 国产高清三级在线| 精品亚洲成a人片在线观看| 久久久久久人妻| 老女人水多毛片| 亚洲第一区二区三区不卡| 欧美变态另类bdsm刘玥| 一区二区日韩欧美中文字幕 | 另类亚洲欧美激情| 日韩,欧美,国产一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 午夜福利在线观看免费完整高清在| 免费女性裸体啪啪无遮挡网站| 大话2 男鬼变身卡| 亚洲精品久久久久久婷婷小说| 五月伊人婷婷丁香| 桃花免费在线播放| 五月伊人婷婷丁香| 五月玫瑰六月丁香| 国产日韩一区二区三区精品不卡| 午夜福利影视在线免费观看| 午夜福利视频精品| 91在线精品国自产拍蜜月| 国精品久久久久久国模美| 日日摸夜夜添夜夜爱| a级毛片黄视频| 国产日韩欧美亚洲二区| 国产高清三级在线| videosex国产| 免费高清在线观看视频在线观看| 精品久久蜜臀av无| 综合色丁香网| 在线 av 中文字幕| 侵犯人妻中文字幕一二三四区| 美女视频免费永久观看网站| 丝袜喷水一区| 亚洲久久久国产精品| 国产免费福利视频在线观看| 国产国语露脸激情在线看| 亚洲av电影在线观看一区二区三区| 男男h啪啪无遮挡| 久久久久国产精品人妻一区二区| 97在线人人人人妻| 亚洲国产日韩一区二区| 边亲边吃奶的免费视频| 精品一区二区三区四区五区乱码 | 天天躁夜夜躁狠狠久久av| 国产一区二区在线观看av| 一级毛片电影观看| 欧美国产精品va在线观看不卡| 亚洲精品456在线播放app| 赤兔流量卡办理| 国产免费一级a男人的天堂| 久久这里只有精品19| 成人18禁高潮啪啪吃奶动态图| 亚洲高清免费不卡视频| 国产成人欧美| 久久精品aⅴ一区二区三区四区 | 久久久久久久国产电影| 一级爰片在线观看| 欧美日本中文国产一区发布| 纵有疾风起免费观看全集完整版| 亚洲av.av天堂| 免费大片18禁| 韩国高清视频一区二区三区| 女人被躁到高潮嗷嗷叫费观| 免费黄频网站在线观看国产| 精品少妇黑人巨大在线播放| 国产成人精品无人区| 国产一区二区三区av在线| 亚洲一级一片aⅴ在线观看| 有码 亚洲区| 人妻人人澡人人爽人人| 另类精品久久| 午夜免费观看性视频| 亚洲经典国产精华液单| 国产永久视频网站| 爱豆传媒免费全集在线观看| 大片免费播放器 马上看| 精品久久国产蜜桃| 视频中文字幕在线观看| 91在线精品国自产拍蜜月| 多毛熟女@视频| av电影中文网址| 在线亚洲精品国产二区图片欧美| 老熟女久久久| 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 | av卡一久久| 99热6这里只有精品| 亚洲av在线观看美女高潮| 深夜精品福利| 你懂的网址亚洲精品在线观看| 69精品国产乱码久久久| 久久久精品94久久精品| 夜夜骑夜夜射夜夜干| 韩国精品一区二区三区 | 中文精品一卡2卡3卡4更新| 免费观看性生交大片5| 三级国产精品片| 国产xxxxx性猛交| 久久人妻熟女aⅴ| 少妇人妻久久综合中文| 男男h啪啪无遮挡| 超碰97精品在线观看| 黄色一级大片看看| 欧美人与性动交α欧美精品济南到 | 日韩免费高清中文字幕av| 中文字幕亚洲精品专区| 99国产精品免费福利视频| 母亲3免费完整高清在线观看 | 99视频精品全部免费 在线| 99热网站在线观看| 国精品久久久久久国模美| 如何舔出高潮| 九九在线视频观看精品| 亚洲精品乱久久久久久| 91精品伊人久久大香线蕉| 婷婷色av中文字幕| 成年人免费黄色播放视频| av播播在线观看一区| 久久人人爽av亚洲精品天堂| 韩国高清视频一区二区三区| 久久这里有精品视频免费| 国产精品 国内视频| 色哟哟·www| 国产精品嫩草影院av在线观看| 成年女人在线观看亚洲视频| 亚洲一区二区三区欧美精品| 国产男女内射视频| 97人妻天天添夜夜摸| 国产免费又黄又爽又色| 边亲边吃奶的免费视频| 丰满乱子伦码专区| 韩国av在线不卡| 欧美老熟妇乱子伦牲交| 91国产中文字幕| 国产男女内射视频| 99久久综合免费| 中文字幕制服av| 国产毛片在线视频| 99香蕉大伊视频| 一二三四中文在线观看免费高清| 婷婷成人精品国产| 久久精品人人爽人人爽视色| 亚洲综合色惰| 国产免费一区二区三区四区乱码| 欧美xxxx性猛交bbbb| 五月开心婷婷网| 美女主播在线视频| 毛片一级片免费看久久久久| 亚洲av综合色区一区| 久久久久久久久久成人| 边亲边吃奶的免费视频| 777米奇影视久久| 国产精品熟女久久久久浪| 夜夜爽夜夜爽视频| 国产精品 国内视频| 两个人看的免费小视频| a级毛色黄片| 91精品三级在线观看| 亚洲精品视频女| 亚洲综合色惰| 春色校园在线视频观看| 妹子高潮喷水视频| 高清视频免费观看一区二区| 日韩中字成人| 两个人看的免费小视频| 丝袜在线中文字幕| 国产免费现黄频在线看| av免费观看日本| 亚洲高清免费不卡视频| 亚洲精品一区蜜桃| 22中文网久久字幕| av卡一久久| 国产成人一区二区在线| 五月开心婷婷网| 精品人妻在线不人妻| 日韩精品免费视频一区二区三区 | 免费人成在线观看视频色| 性高湖久久久久久久久免费观看| 日韩精品有码人妻一区| 精品少妇内射三级| 如何舔出高潮| 国产成人av激情在线播放| 久久精品国产综合久久久 | 国产成人一区二区在线| 国产精品一国产av| 91久久精品国产一区二区三区| 日韩一区二区三区影片| 成人午夜精彩视频在线观看| 午夜日本视频在线| 亚洲情色 制服丝袜| 久久精品国产亚洲av天美| 99国产综合亚洲精品| 一级毛片 在线播放| 免费日韩欧美在线观看| 欧美精品高潮呻吟av久久| 亚洲国产精品一区二区三区在线| 精品久久蜜臀av无| 国产精品久久久久久精品电影小说| 亚洲第一av免费看| 男女啪啪激烈高潮av片| 国产综合精华液| 久久久久久久大尺度免费视频| 黄色一级大片看看| 国产精品.久久久| 国产精品人妻久久久影院| 中文乱码字字幕精品一区二区三区| 宅男免费午夜| 欧美日韩视频精品一区| 欧美日韩国产mv在线观看视频| 成人午夜精彩视频在线观看| 亚洲精品日韩在线中文字幕| 午夜免费鲁丝| 久久久久久久国产电影| 99视频精品全部免费 在线| 国产成人精品婷婷| 一级黄片播放器| 国产白丝娇喘喷水9色精品| 自拍欧美九色日韩亚洲蝌蚪91| 一边摸一边做爽爽视频免费| 免费av不卡在线播放| 又粗又硬又长又爽又黄的视频| 午夜激情av网站| 亚洲中文av在线| 日本vs欧美在线观看视频| 亚洲欧美中文字幕日韩二区| 国产成人午夜福利电影在线观看| 视频区图区小说| 22中文网久久字幕| 天堂8中文在线网| av在线app专区| 美女大奶头黄色视频| 黑人欧美特级aaaaaa片| 伊人久久国产一区二区| 91午夜精品亚洲一区二区三区| 免费大片18禁| 又黄又爽又刺激的免费视频.| 亚洲精品久久久久久婷婷小说| 久久97久久精品| 久热这里只有精品99| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产精品成人久久小说| 成人免费观看视频高清| 黑人欧美特级aaaaaa片| av视频免费观看在线观看| 美女大奶头黄色视频| 一区二区三区四区激情视频| 天堂俺去俺来也www色官网| 999精品在线视频| 久久鲁丝午夜福利片| 午夜激情久久久久久久| 青春草国产在线视频| 黑丝袜美女国产一区| 人人澡人人妻人| 少妇精品久久久久久久| 国产精品偷伦视频观看了| 丝袜美足系列| 国产毛片在线视频| 午夜激情久久久久久久| 中文字幕免费在线视频6| 国产永久视频网站| 王馨瑶露胸无遮挡在线观看| 午夜视频国产福利| 最近最新中文字幕免费大全7| 51国产日韩欧美| 成年人免费黄色播放视频| 国产男女内射视频| 老熟女久久久| 国产精品成人在线| 国产精品嫩草影院av在线观看| 成人免费观看视频高清| 伦理电影免费视频| 免费黄频网站在线观看国产| 欧美日韩视频精品一区| 黄色视频在线播放观看不卡| 岛国毛片在线播放| 一级a做视频免费观看| 午夜影院在线不卡| 少妇被粗大猛烈的视频| 狂野欧美激情性bbbbbb| 99视频精品全部免费 在线| 视频中文字幕在线观看| 日韩电影二区| 国产成人免费观看mmmm| 国产无遮挡羞羞视频在线观看| 亚洲欧美一区二区三区黑人 | 久久午夜综合久久蜜桃| 亚洲国产毛片av蜜桃av| 精品国产一区二区久久| 免费看av在线观看网站| 国产福利在线免费观看视频| av又黄又爽大尺度在线免费看| 国产深夜福利视频在线观看| 中文欧美无线码| 我要看黄色一级片免费的| 亚洲精品美女久久av网站| 在线观看国产h片| 日韩一区二区视频免费看| 18禁裸乳无遮挡动漫免费视频| 久久久久久人妻| 在线观看免费日韩欧美大片| www日本在线高清视频| 午夜福利,免费看| 日韩制服骚丝袜av| 欧美 亚洲 国产 日韩一| 啦啦啦啦在线视频资源| 两个人免费观看高清视频| 成年美女黄网站色视频大全免费| 亚洲熟女精品中文字幕| 欧美性感艳星| 婷婷成人精品国产| 母亲3免费完整高清在线观看 | 日韩三级伦理在线观看| 自线自在国产av| 欧美bdsm另类| 黄色 视频免费看| 国产精品无大码| 麻豆精品久久久久久蜜桃| 精品人妻偷拍中文字幕| 大香蕉97超碰在线| 美女脱内裤让男人舔精品视频| 国产免费视频播放在线视频| 亚洲成av片中文字幕在线观看 | 亚洲精品日韩在线中文字幕| 激情视频va一区二区三区| 91aial.com中文字幕在线观看| 美女视频免费永久观看网站| 欧美精品一区二区免费开放| 丰满饥渴人妻一区二区三| av.在线天堂| 亚洲精品国产av成人精品| 老司机影院毛片| 好男人视频免费观看在线| 黄色一级大片看看| 又大又黄又爽视频免费| 九九爱精品视频在线观看| 亚洲一级一片aⅴ在线观看| 国产色婷婷99| 七月丁香在线播放| 十八禁高潮呻吟视频| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产欧美日韩在线播放| 久久99精品国语久久久| 一二三四在线观看免费中文在 | av片东京热男人的天堂| 国产精品久久久久久精品古装| 亚洲精品乱码久久久久久按摩| 亚洲人与动物交配视频| 1024视频免费在线观看| 欧美精品亚洲一区二区| 一级片免费观看大全| 97精品久久久久久久久久精品| 亚洲激情五月婷婷啪啪| 最近2019中文字幕mv第一页| 人成视频在线观看免费观看| www日本在线高清视频| 国产成人精品久久久久久| 国内精品宾馆在线| 满18在线观看网站| 国产精品嫩草影院av在线观看| 高清黄色对白视频在线免费看| 国产精品久久久久成人av| 欧美日韩一区二区视频在线观看视频在线| 咕卡用的链子| 国产免费现黄频在线看| 国产免费视频播放在线视频| 久久久久久久久久久免费av| 91精品伊人久久大香线蕉| 久久久久久久久久人人人人人人| 日韩免费高清中文字幕av| 免费女性裸体啪啪无遮挡网站| 日日摸夜夜添夜夜爱| 亚洲中文av在线| 久久午夜福利片| 中文字幕另类日韩欧美亚洲嫩草| 我要看黄色一级片免费的| 国产免费一级a男人的天堂| av女优亚洲男人天堂| 精品福利永久在线观看| 少妇 在线观看| 91国产中文字幕| 亚洲美女搞黄在线观看| 一本—道久久a久久精品蜜桃钙片| av在线app专区| 爱豆传媒免费全集在线观看| 久久狼人影院| 久久ye,这里只有精品| 亚洲,欧美,日韩| 啦啦啦视频在线资源免费观看| 亚洲成色77777| 亚洲av免费高清在线观看| 国产免费一级a男人的天堂| 最近2019中文字幕mv第一页| 成人手机av| 999精品在线视频|