• <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)
    日本在线视频免费播放| 人妻久久中文字幕网| 久久香蕉激情| 欧美性猛交黑人性爽| 久久精品国产清高在天天线| 免费高清视频大片| 少妇人妻一区二区三区视频| 啦啦啦免费观看视频1| 黄片小视频在线播放| 90打野战视频偷拍视频| 99在线人妻在线中文字幕| 90打野战视频偷拍视频| 亚洲精品久久国产高清桃花| 别揉我奶头~嗯~啊~动态视频| e午夜精品久久久久久久| 午夜成年电影在线免费观看| 一区二区三区国产精品乱码| 亚洲成人免费电影在线观看| 此物有八面人人有两片| a级毛片a级免费在线| 国产精品日韩av在线免费观看| cao死你这个sao货| 桃红色精品国产亚洲av| 欧美人与性动交α欧美精品济南到| 免费在线观看亚洲国产| 日韩欧美国产在线观看| 天天一区二区日本电影三级| 亚洲一区二区三区色噜噜| 99国产极品粉嫩在线观看| 男女做爰动态图高潮gif福利片| АⅤ资源中文在线天堂| 精品久久久久久久末码| 欧美3d第一页| 一级毛片精品| 又紧又爽又黄一区二区| av国产免费在线观看| 国产蜜桃级精品一区二区三区| 亚洲精品粉嫩美女一区| 桃红色精品国产亚洲av| 午夜精品一区二区三区免费看| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品在线美女| 在线观看一区二区三区| 欧美日韩亚洲综合一区二区三区_| 免费看十八禁软件| 欧美另类亚洲清纯唯美| 国产精品亚洲美女久久久| 又黄又爽又免费观看的视频| 老汉色∧v一级毛片| 亚洲精品一区av在线观看| 久久精品aⅴ一区二区三区四区| 天堂动漫精品| 人成视频在线观看免费观看| 久9热在线精品视频| 久久久久国产一级毛片高清牌| 夜夜躁狠狠躁天天躁| 岛国在线观看网站| 国产亚洲欧美98| 午夜免费激情av| 中文字幕人妻丝袜一区二区| 一区二区三区激情视频| 久久久久久久久中文| xxx96com| 色综合欧美亚洲国产小说| 亚洲免费av在线视频| 在线观看午夜福利视频| 亚洲国产精品sss在线观看| 亚洲一区二区三区不卡视频| 免费观看精品视频网站| 两人在一起打扑克的视频| 一本久久中文字幕| 黄色视频,在线免费观看| 精品乱码久久久久久99久播| 搡老岳熟女国产| 国产精品综合久久久久久久免费| 欧美不卡视频在线免费观看 | svipshipincom国产片| 欧美成人免费av一区二区三区| 亚洲人成伊人成综合网2020| 国产熟女午夜一区二区三区| 国产av又大| 午夜激情福利司机影院| 国产99久久九九免费精品| 欧美三级亚洲精品| 啦啦啦免费观看视频1| 久久精品综合一区二区三区| 久9热在线精品视频| 日本在线视频免费播放| 两性午夜刺激爽爽歪歪视频在线观看 | 99国产精品一区二区三区| 国语自产精品视频在线第100页| 一区福利在线观看| 日本精品一区二区三区蜜桃| 又大又爽又粗| 成人精品一区二区免费| 伊人久久大香线蕉亚洲五| 中文字幕熟女人妻在线| 可以在线观看的亚洲视频| 成人精品一区二区免费| 悠悠久久av| 日本黄大片高清| 亚洲精品在线观看二区| 日本精品一区二区三区蜜桃| 亚洲精品久久国产高清桃花| xxx96com| 老汉色∧v一级毛片| 日韩欧美一区二区三区在线观看| 亚洲aⅴ乱码一区二区在线播放 | 亚洲一区二区三区不卡视频| 亚洲自偷自拍图片 自拍| 日本免费一区二区三区高清不卡| 伊人久久大香线蕉亚洲五| 久久久久久久久久黄片| 中亚洲国语对白在线视频| 日韩有码中文字幕| 精品高清国产在线一区| 老汉色∧v一级毛片| 一进一出好大好爽视频| 欧美成人一区二区免费高清观看 | 狂野欧美激情性xxxx| 看免费av毛片| 一边摸一边做爽爽视频免费| 他把我摸到了高潮在线观看| 中国美女看黄片| 成人av在线播放网站| 亚洲成av人片在线播放无| 久久婷婷成人综合色麻豆| 亚洲美女视频黄频| 母亲3免费完整高清在线观看| 人妻久久中文字幕网| 欧美乱色亚洲激情| 天天躁狠狠躁夜夜躁狠狠躁| 一夜夜www| 91麻豆av在线| 免费在线观看视频国产中文字幕亚洲| 丁香欧美五月| av视频在线观看入口| 亚洲人与动物交配视频| 亚洲成a人片在线一区二区| 欧美乱码精品一区二区三区| 午夜福利在线在线| 国产亚洲精品久久久久5区| 黄色片一级片一级黄色片| 中文字幕最新亚洲高清| 在线a可以看的网站| 亚洲精品色激情综合| 久久亚洲真实| 正在播放国产对白刺激| 国产亚洲精品久久久久久毛片| 久久精品aⅴ一区二区三区四区| 岛国在线免费视频观看| 欧美极品一区二区三区四区| 白带黄色成豆腐渣| 国产三级黄色录像| 老司机午夜福利在线观看视频| 9191精品国产免费久久| 欧美乱色亚洲激情| 国产精品免费视频内射| 亚洲av美国av| 黄片大片在线免费观看| 99热6这里只有精品| 亚洲av中文字字幕乱码综合| 九色国产91popny在线| 国产精品免费视频内射| 国产午夜福利久久久久久| 999久久久国产精品视频| 国产野战对白在线观看| 国产三级在线视频| 亚洲乱码一区二区免费版| 日本五十路高清| 久久欧美精品欧美久久欧美| 美女大奶头视频| 亚洲国产精品sss在线观看| 午夜福利18| 亚洲国产精品999在线| 少妇粗大呻吟视频| 一二三四在线观看免费中文在| 欧美中文综合在线视频| 国产日本99.免费观看| 99精品久久久久人妻精品| 亚洲av第一区精品v没综合| 丝袜美腿诱惑在线| 亚洲国产欧美一区二区综合| 在线播放国产精品三级| 夜夜看夜夜爽夜夜摸| 久久中文看片网| 久久精品成人免费网站| 亚洲精品粉嫩美女一区| 可以在线观看的亚洲视频| 日韩大尺度精品在线看网址| 亚洲av电影不卡..在线观看| 美女 人体艺术 gogo| 亚洲国产欧美网| 又爽又黄无遮挡网站| 久久精品国产99精品国产亚洲性色| 后天国语完整版免费观看| 好男人在线观看高清免费视频| 两性夫妻黄色片| 欧美日韩国产亚洲二区| 真人做人爱边吃奶动态| 久久久久久久久中文| 久久久久久久久中文| 国产精品电影一区二区三区| 国产午夜精品论理片| av福利片在线观看| 亚洲国产欧美一区二区综合| 88av欧美| 大型av网站在线播放| 麻豆成人午夜福利视频| 制服人妻中文乱码| 波多野结衣巨乳人妻| 久久国产精品影院| 女生性感内裤真人,穿戴方法视频| 亚洲一卡2卡3卡4卡5卡精品中文| 波多野结衣巨乳人妻| 亚洲中文字幕一区二区三区有码在线看 | 亚洲人成77777在线视频| 国产视频内射| 久久久久免费精品人妻一区二区| 女人高潮潮喷娇喘18禁视频| 一区福利在线观看| 久久久久久亚洲精品国产蜜桃av| 欧美精品亚洲一区二区| 美女高潮喷水抽搐中文字幕| 欧美成狂野欧美在线观看| 国产午夜精品论理片| www日本黄色视频网| 69av精品久久久久久| www.精华液| 在线观看免费视频日本深夜| 久久久国产精品麻豆| 日韩欧美在线二视频| 中文亚洲av片在线观看爽| 亚洲精品久久成人aⅴ小说| 大型av网站在线播放| 久久久久精品国产欧美久久久| 在线观看66精品国产| 国产私拍福利视频在线观看| 在线观看美女被高潮喷水网站 | 亚洲美女视频黄频| 高清毛片免费观看视频网站| 亚洲 欧美一区二区三区| 欧美+亚洲+日韩+国产| 国产精品自产拍在线观看55亚洲| 久久久久性生活片| 国产精品98久久久久久宅男小说| 啦啦啦免费观看视频1| 久久久国产精品麻豆| 婷婷丁香在线五月| 国产精品亚洲一级av第二区| 在线观看一区二区三区| 两人在一起打扑克的视频| 亚洲色图av天堂| www.999成人在线观看| 欧美在线黄色| 99国产精品99久久久久| 女人爽到高潮嗷嗷叫在线视频| 午夜激情av网站| 美女午夜性视频免费| 亚洲性夜色夜夜综合| 在线观看免费午夜福利视频| 黑人欧美特级aaaaaa片| 婷婷精品国产亚洲av| 999精品在线视频| 免费在线观看完整版高清| 久久精品91无色码中文字幕| 国产一区二区在线观看日韩 | 欧美国产日韩亚洲一区| 999精品在线视频| av在线天堂中文字幕| svipshipincom国产片| 国产高清视频在线播放一区| 日本免费a在线| 免费在线观看亚洲国产| 国产亚洲精品av在线| 欧美av亚洲av综合av国产av| av有码第一页| 99在线视频只有这里精品首页| 91在线观看av| 国内揄拍国产精品人妻在线| videosex国产| 免费在线观看成人毛片| 欧美精品亚洲一区二区| 国产精品九九99| 禁无遮挡网站| svipshipincom国产片| 国产精品亚洲美女久久久| 2021天堂中文幕一二区在线观| av有码第一页| 男女视频在线观看网站免费 | 中文在线观看免费www的网站 | 国产成人av教育| 在线观看免费午夜福利视频| 一卡2卡三卡四卡精品乱码亚洲| 精品无人区乱码1区二区| 亚洲欧美精品综合久久99| 最新美女视频免费是黄的| 国产午夜精品论理片| 精品少妇一区二区三区视频日本电影| 国内少妇人妻偷人精品xxx网站 | 亚洲第一欧美日韩一区二区三区| 国产成人aa在线观看| av福利片在线| 夜夜夜夜夜久久久久| 狂野欧美激情性xxxx| 91老司机精品| 精品不卡国产一区二区三区| 国产精品久久久久久久电影 | 免费在线观看黄色视频的| 欧美高清成人免费视频www| 99热只有精品国产| 色av中文字幕| 欧美av亚洲av综合av国产av| 成人国语在线视频| 午夜福利在线在线| 别揉我奶头~嗯~啊~动态视频| 日本成人三级电影网站| 久久精品91无色码中文字幕| 婷婷精品国产亚洲av| 男女之事视频高清在线观看| 欧美乱码精品一区二区三区| 成在线人永久免费视频| 国产亚洲精品综合一区在线观看 | 一级毛片精品| 久久久水蜜桃国产精品网| 黄色丝袜av网址大全| 99re在线观看精品视频| 婷婷丁香在线五月| 国产一区在线观看成人免费| www国产在线视频色| 国产精品影院久久| 精品无人区乱码1区二区| 国产高清视频在线播放一区| 别揉我奶头~嗯~啊~动态视频| 夜夜看夜夜爽夜夜摸| 日本 欧美在线| 欧美绝顶高潮抽搐喷水| 性色av乱码一区二区三区2| 天堂av国产一区二区熟女人妻 | 亚洲欧美精品综合久久99| 日本五十路高清| 国产麻豆成人av免费视频| 精品一区二区三区视频在线观看免费| 99riav亚洲国产免费| 亚洲色图av天堂| 国产亚洲精品久久久久5区| 亚洲成av人片在线播放无| 国产一区二区激情短视频| 精品国产乱子伦一区二区三区| 黄色女人牲交| 级片在线观看| 国产精品,欧美在线| 国产精品久久电影中文字幕| 国产高清激情床上av| 亚洲第一欧美日韩一区二区三区| 五月伊人婷婷丁香| 久久草成人影院| av天堂在线播放| 中文字幕精品亚洲无线码一区| 国产爱豆传媒在线观看 | 99久久国产精品久久久| 91在线观看av| 一区福利在线观看| 免费搜索国产男女视频| 怎么达到女性高潮| 午夜福利18| 欧美zozozo另类| 国产又黄又爽又无遮挡在线| 日本免费一区二区三区高清不卡| 免费观看人在逋| 成人18禁高潮啪啪吃奶动态图| www.自偷自拍.com| 母亲3免费完整高清在线观看| 窝窝影院91人妻| 久久精品aⅴ一区二区三区四区| 精品熟女少妇八av免费久了| 欧美日韩瑟瑟在线播放| 美女高潮喷水抽搐中文字幕| 久久精品国产99精品国产亚洲性色| 国产视频一区二区在线看| 免费电影在线观看免费观看| 亚洲欧美激情综合另类| 黄色成人免费大全| 日韩免费av在线播放| 午夜福利视频1000在线观看| 又黄又爽又免费观看的视频| 国产黄色小视频在线观看| 国产伦在线观看视频一区| 国产一区二区激情短视频| 日韩欧美国产在线观看| 少妇粗大呻吟视频| 亚洲成av人片免费观看| 亚洲色图av天堂| 深夜精品福利| 免费人成视频x8x8入口观看| 国产免费男女视频| 成人午夜高清在线视频| 亚洲人与动物交配视频| 欧美日韩黄片免| 免费观看人在逋| 亚洲中文日韩欧美视频| 国产高清视频在线观看网站| 99精品在免费线老司机午夜| 亚洲,欧美精品.| 午夜老司机福利片| 黄色 视频免费看| 久久亚洲真实| 中文亚洲av片在线观看爽| 亚洲av熟女| 日韩国内少妇激情av| 琪琪午夜伦伦电影理论片6080| 观看免费一级毛片| 欧美绝顶高潮抽搐喷水| 岛国视频午夜一区免费看| 黄色丝袜av网址大全| 动漫黄色视频在线观看| 国产精品免费一区二区三区在线| 这个男人来自地球电影免费观看| 在线播放国产精品三级| 中文字幕av在线有码专区| ponron亚洲| 亚洲国产欧洲综合997久久,| 制服诱惑二区| 久久 成人 亚洲| 国产野战对白在线观看| 日本免费a在线| 欧美国产日韩亚洲一区| 在线观看www视频免费| 琪琪午夜伦伦电影理论片6080| 久久久久久亚洲精品国产蜜桃av| 欧美日韩瑟瑟在线播放| 国产欧美日韩一区二区三| 久久久久久久午夜电影| 国产成人av教育| 欧美日本视频| 国产高清激情床上av| 久久午夜亚洲精品久久| 精品高清国产在线一区| 国产高清视频在线播放一区| 黄色视频不卡| 午夜成年电影在线免费观看| 美女免费视频网站| 日韩有码中文字幕| 91字幕亚洲| 久9热在线精品视频| 97超级碰碰碰精品色视频在线观看| 国产精品免费视频内射| 老鸭窝网址在线观看| 亚洲国产日韩欧美精品在线观看 | 成人永久免费在线观看视频| 俄罗斯特黄特色一大片| 亚洲av成人精品一区久久| 久久这里只有精品中国| 亚洲男人的天堂狠狠| 午夜影院日韩av| 狂野欧美激情性xxxx| 精品久久久久久,| 国产日本99.免费观看| 在线观看www视频免费| 亚洲精品中文字幕一二三四区| 又黄又粗又硬又大视频| 久久人妻福利社区极品人妻图片| 欧美高清成人免费视频www| 丰满人妻一区二区三区视频av | 午夜影院日韩av| 国产精品美女特级片免费视频播放器 | 制服人妻中文乱码| 99re在线观看精品视频| 99热这里只有精品一区 | 精品少妇一区二区三区视频日本电影| 亚洲国产精品成人综合色| 成人特级黄色片久久久久久久| 在线观看午夜福利视频| 亚洲欧美精品综合一区二区三区| av视频在线观看入口| 精品不卡国产一区二区三区| 黄片大片在线免费观看| 亚洲电影在线观看av| 18禁美女被吸乳视频| 一本大道久久a久久精品| 国产一区二区三区在线臀色熟女| 精品欧美一区二区三区在线| 91麻豆精品激情在线观看国产| 中文在线观看免费www的网站 | 午夜久久久久精精品| 国产主播在线观看一区二区| svipshipincom国产片| 亚洲熟妇熟女久久| 免费看日本二区| 国产三级中文精品| 岛国在线免费视频观看| 搞女人的毛片| cao死你这个sao货| 免费无遮挡裸体视频| 亚洲aⅴ乱码一区二区在线播放 | 国产精品久久久久久精品电影| 男人的好看免费观看在线视频 | 久久精品国产亚洲av高清一级| 亚洲一区二区三区不卡视频| 国语自产精品视频在线第100页| 岛国视频午夜一区免费看| 级片在线观看| 999久久久精品免费观看国产| 母亲3免费完整高清在线观看| 免费一级毛片在线播放高清视频| 五月伊人婷婷丁香| 久久久国产成人免费| 亚洲欧美日韩东京热| 亚洲精品粉嫩美女一区| 免费看十八禁软件| 国内精品久久久久精免费| 欧美日本亚洲视频在线播放| 欧美成人一区二区免费高清观看 | 色综合站精品国产| 成在线人永久免费视频| 亚洲av成人精品一区久久| 此物有八面人人有两片| 亚洲精品中文字幕一二三四区| 午夜久久久久精精品| 亚洲成人久久性| 亚洲精品美女久久av网站| 国产精华一区二区三区| 国产亚洲精品第一综合不卡| 欧美3d第一页| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品美女特级片免费视频播放器 | 俄罗斯特黄特色一大片| 好看av亚洲va欧美ⅴa在| 午夜亚洲福利在线播放| 老司机深夜福利视频在线观看| 国产一区二区在线av高清观看| 女人被狂操c到高潮| 久久这里只有精品中国| 午夜久久久久精精品| 亚洲精品色激情综合| 黄色a级毛片大全视频| 午夜亚洲福利在线播放| 欧美不卡视频在线免费观看 | 日日摸夜夜添夜夜添小说| 嫩草影院精品99| 日本熟妇午夜| 日韩av在线大香蕉| 在线观看免费视频日本深夜| 很黄的视频免费| 亚洲自拍偷在线| 亚洲av电影不卡..在线观看| 精华霜和精华液先用哪个| 免费在线观看日本一区| 亚洲中文av在线| 曰老女人黄片| 无人区码免费观看不卡| 欧美午夜高清在线| 可以在线观看毛片的网站| 五月玫瑰六月丁香| www日本在线高清视频| 俺也久久电影网| 亚洲自拍偷在线| 午夜精品一区二区三区免费看| 亚洲欧美一区二区三区黑人| 国产高清视频在线播放一区| www.精华液| 国产精品爽爽va在线观看网站| 国产精品一区二区精品视频观看| x7x7x7水蜜桃| 香蕉av资源在线| 国产精品亚洲美女久久久| 欧美成狂野欧美在线观看| 国产真人三级小视频在线观看| 成人欧美大片| 国产精品久久视频播放| 亚洲精品一区av在线观看| 久久久久久久久免费视频了| 欧美成人性av电影在线观看| 18禁观看日本| svipshipincom国产片| 亚洲性夜色夜夜综合| 动漫黄色视频在线观看| 色综合欧美亚洲国产小说| 亚洲中文av在线| 小说图片视频综合网站| 欧美3d第一页| 日韩三级视频一区二区三区| 老熟妇乱子伦视频在线观看| 国产麻豆成人av免费视频| 香蕉av资源在线| 亚洲自偷自拍图片 自拍| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品av视频在线免费观看| 亚洲成av人片在线播放无| 禁无遮挡网站| 在线观看一区二区三区| 日韩欧美在线乱码| 两性夫妻黄色片| 日韩精品免费视频一区二区三区| 看片在线看免费视频| 十八禁人妻一区二区| 97人妻精品一区二区三区麻豆| 一级毛片女人18水好多| 精品久久久久久久末码| 色在线成人网| 怎么达到女性高潮| 日韩av在线大香蕉| 国产av在哪里看| 亚洲av成人精品一区久久| 人成视频在线观看免费观看| www.自偷自拍.com| 国产在线精品亚洲第一网站| 岛国在线免费视频观看| 男人舔奶头视频| 精品一区二区三区av网在线观看| 啪啪无遮挡十八禁网站| 最好的美女福利视频网| 精品国内亚洲2022精品成人| 男女视频在线观看网站免费 | 首页视频小说图片口味搜索|