• <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 ?

    一種基于半監(jiān)督學習的工控網(wǎng)絡入侵檢測方法

    2018-01-29 01:42:16張松清劉智國
    關(guān)鍵詞:網(wǎng)絡流量工控樣本

    張松清,劉智國

    (中國電子信息產(chǎn)業(yè)集團有限公司第六研究所,北京 100083)

    0 引言

    當前,工控網(wǎng)絡重要性日益凸顯。隨著計算機和網(wǎng)絡技術(shù)的發(fā)展,工業(yè)控制廣泛采用開放的工業(yè)通信協(xié)議、網(wǎng)絡設(shè)施和通用軟硬件,甚至與互聯(lián)網(wǎng)和企業(yè)管理信息系統(tǒng)交換數(shù)據(jù),針對工控網(wǎng)絡的攻擊也快速增多。工控領(lǐng)域的網(wǎng)絡威脅極大地危害工業(yè)控制的正常運行,使得工業(yè)控制系統(tǒng)的脆弱性開始逐漸顯現(xiàn),針對工業(yè)控制系統(tǒng)的攻擊行為快速增長[1]。2010年爆發(fā)的“震網(wǎng)”病毒、2012年的“火焰”超級病毒以及2014年的Havex 病毒等專門針對工業(yè)控制系統(tǒng)的病毒給用戶造成了巨大的損失,同時也威脅到了國家安全。分析此后2015年發(fā)生的烏克蘭電力遭受攻擊事件,可以看出攻擊的成本在降低,而攻擊所帶來的影響在進一步加重。2017年5月WannaCry勒索病毒席卷全球,影響到近百個國家上千家企業(yè)及公共組織。

    工業(yè)控制系統(tǒng)是為了完成各種實時控制功能而設(shè)計的,當初并沒有考慮到安全防護方面的問題,通過網(wǎng)絡互聯(lián)使它們在網(wǎng)絡空間中暴露,無疑將給它們所控制的重要系統(tǒng)、關(guān)鍵基礎(chǔ)設(shè)施等帶來巨大的安全風險和隱患。為了避免工控安全事件的發(fā)生,有效地對網(wǎng)絡攻擊進行檢測及提前預防顯得至關(guān)重要。

    目前已經(jīng)有許多基于規(guī)則匹配的網(wǎng)絡入侵檢測方法[2],這類方法對已知的病毒、木馬等威脅的檢測效果明顯。目前基于智能學習的網(wǎng)絡入侵檢測研究已成為趨勢,包括支持向量機(SVM)、樸素貝葉斯網(wǎng)絡、神經(jīng)網(wǎng)絡等。這些方法對有監(jiān)督分類問題效果明顯,而工控網(wǎng)絡流量數(shù)據(jù)已有大量標記好的異常流量數(shù)據(jù)以及大量的無標注流量,有監(jiān)督分類方法并不適合解決這一問題。本文提出一種基于半監(jiān)督機器學習的工控網(wǎng)絡入侵檢測方法,該方法的運用能夠提高未知威脅的檢測能力。

    1 入侵檢測技術(shù)

    1.1 概述

    入侵檢測技術(shù)是一種主動的保障信息安全的技術(shù),可以有效彌補防火墻等傳統(tǒng)安全防護技術(shù)被動防御的缺陷,因此針對復雜的工控系統(tǒng)網(wǎng)絡攻擊,入侵檢測技術(shù)是有效發(fā)現(xiàn)和防御入侵的防護手段。

    入侵檢測技術(shù)包括特征檢測和異常檢測。特征檢測有較高的檢測準確率,存在的問題是無法檢測未知的攻擊;異常檢測有較強的通用性,可以對未知攻擊進行檢測,有比較廣闊的應用前景,其主要缺陷是誤檢率較高。

    1.2 機器學習方法

    機器學習是人工智能的核心。當前,已有大量基于機器學習的入侵檢測技術(shù)的研究,包括基于聚類分析、數(shù)據(jù)挖掘、行為統(tǒng)計、神經(jīng)網(wǎng)絡等技術(shù)的入侵檢測方法[3-4],然而這些技術(shù)存在處理速度慢、模型難以建立、誤報率高、純凈訓練數(shù)據(jù)難以獲取等不足,無法滿足工控系統(tǒng)較高的實時性和可用性要求。

    研究基于機器學習的入侵檢測技術(shù)對建立智能化的高效入侵檢測模型,提高工控網(wǎng)絡異常行為檢測精度意義重大。本文針對工控系統(tǒng)網(wǎng)絡數(shù)據(jù)的特點,提出一種基于半監(jiān)督機器學習[5-8]的入侵檢測方法,該方法可以提高網(wǎng)絡攻擊流量的檢測準確率。

    2 基于半監(jiān)督學習的入侵檢測方法

    2.1 技術(shù)架構(gòu)

    該入侵檢測技術(shù)由四個主要的功能模塊組成,分別是網(wǎng)絡數(shù)據(jù)獲取、特征提取、模型訓練以及網(wǎng)絡流量檢測,各主要模塊之間相對獨立,總體架構(gòu)如圖1所示。

    圖1 系統(tǒng)總體架構(gòu)圖

    2.2 模塊設(shè)計

    2.2.1網(wǎng)絡數(shù)據(jù)獲取

    使用機器學習訓練模型時,需要利用正負樣本數(shù)據(jù)集。對于工控系統(tǒng)網(wǎng)絡入侵檢測,正樣本數(shù)據(jù)就是入侵的異常網(wǎng)絡流量,負樣本為正常網(wǎng)絡流量。

    對于正樣本數(shù)據(jù),即入侵的異常網(wǎng)絡數(shù)據(jù),目前已有一些機構(gòu)進行了標記,例如KDD99(MIT Lincoln實驗室提供的1998 DARPA入侵檢測評估數(shù)據(jù)集)以及密西西比州立大學關(guān)鍵基礎(chǔ)設(shè)施保護中心于2014年提出的用于工控系統(tǒng)入侵檢測評估的數(shù)據(jù)集等。但很少有對正常流量的標記,在實際網(wǎng)絡數(shù)據(jù)中,標記樣本需要人工完成,耗時耗力,而未標記樣本既容易獲取也非常充裕。

    2.2.2特征提取

    在某個時間周期內(nèi)對網(wǎng)絡流量進行捕獲,這些網(wǎng)絡流量由多次的TCP網(wǎng)絡連接數(shù)據(jù)組成,每一次完整的TCP連接作為一次記錄,對每次記錄進行分析,統(tǒng)一處理。特征提取方式參考KDD99數(shù)據(jù)集的提取方式,共計41個特征,如表1所示。

    表1 網(wǎng)絡數(shù)據(jù)特征提取

    這些特征中有的是數(shù)值型,有的是字符型,但是本文中的技術(shù)只能處理數(shù)值型的向量,因此,在模型訓練之前需要先將輸入數(shù)據(jù)作數(shù)值化處理以及正規(guī)化處理。例如,協(xié)議類型(TCP、UDP以及ICMP)可以用1、2和3表示;每條記錄是否是攻擊流量用1和-1表示,1代表正常流量,而-1表示攻擊流量。

    2.2.3模型訓練

    針對獲取到的網(wǎng)絡流量數(shù)據(jù)特點,該技術(shù)采用半監(jiān)督分類的方式來訓練模型。該方法結(jié)合了Rocchio以及LIBLINEAR[9]兩種技術(shù)。

    (1)

    其中,α和β是調(diào)整訓練樣本相關(guān)與不相關(guān)性的影響參數(shù)。在分類中,對于每個測試集網(wǎng)絡流量數(shù)據(jù)td,使用余弦相似性的方法來計算td與每個原型向量的相似性,td與哪個原型向量更相似,就把該原型向量的類型賦給td。

    LIBLINEAR是由LIN C J博士設(shè)計和開發(fā)的,它是為線性分類問題而設(shè)計的。使用LIBLINEAR時,可以容易地處理百萬到千萬級別的數(shù)據(jù),這是因為LIBLINEAR本身就是設(shè)計用于解決較大規(guī)模樣本的模型訓練。

    模型訓練的思路是先使用Rocchio技術(shù)從大量的未標記網(wǎng)絡數(shù)據(jù)中挑選出可信賴的正常網(wǎng)絡數(shù)據(jù),然后再使用LIBLINEAR技術(shù)訓練模型。該算法如圖2所示。

    圖2 半監(jiān)督分類方法流程圖

    本文設(shè)計了一種使用Rocchio技術(shù)來從未標記網(wǎng)絡數(shù)據(jù)(記為U)中提取可靠的負樣例數(shù)據(jù)(記為RN)的方法,其中正樣例數(shù)據(jù)記為P,算法的偽代碼如公式2所示。

    1. 將未標記網(wǎng)絡流量數(shù)據(jù)U賦值成負類,正樣本網(wǎng)絡流量數(shù)據(jù)P賦值成正類

    (2)

    4. forU中的每條網(wǎng)絡流量d′ do

    6. RN←RN∪{d′}

    在基于正樣本的學習方法中,未標記數(shù)據(jù)集U中的負樣本數(shù)據(jù)通常包含多種類型,在向量空間中,占有很大區(qū)域,而正樣本數(shù)據(jù)通常是同一類型的,覆蓋一個小得多的區(qū)域,如圖3所示。Rocchio是線性分類器,假設(shè)真的有一個決策面S能夠區(qū)分正負樣本,那么,由于Rocchio中的向量疊加原理,正原型向量會比負原型向量更接近決策面S,這種方式識別出的負樣本數(shù)據(jù)純度很高。

    圖3 Rocchio分類效果圖

    Rocchio學習到的模型通常比LIBLINEAR弱,而噪聲對LIBLINEAR技術(shù)影響較大。為了更好地分類,本文提出將Rocchio與LIBLINEAR結(jié)合。使用Rocchio從U中提取出RN后,再使用P和RN來運行LIBLINEAR,最后生成一個分類效果較好的模型。

    2.2.4網(wǎng)絡入侵檢測

    通過機器學習算法獲得了檢測異常網(wǎng)絡流量的模型后,可以用來對未知網(wǎng)絡流量數(shù)據(jù)進行檢測。流量檢測流程如圖4所示。先對待檢測數(shù)據(jù)使用相同的特征提取過程,然后利用訓練好的模型進行檢測,從而識別出正常網(wǎng)絡流量和異常網(wǎng)絡流量。

    圖4 網(wǎng)絡流量檢測流程圖

    3 驗證與分析

    3.1 實驗結(jié)果

    本文采用KDD99數(shù)據(jù)集進行實驗,KDD99訓練數(shù)據(jù)集包括494 021條記錄,測試集包括311 029條記錄。訓練數(shù)據(jù)集中有22種攻擊類型,測試集中增加了14種新的攻擊類型。在測試檢測算法時,使用指標precision和recall進行評估,其定義為:

    (3)

    (4)

    檢測的結(jié)果precision和recall值越高,效果越好,但實際上這兩者并沒有必然的關(guān)系。在實際應用中,兩者也是相互制約的,因此,需要新的指標將二者結(jié)合,其中一個重要的指標就是F-measure。公式如下:

    (5)

    如果precision和recall同等重要,β值設(shè)為1,這樣得到的結(jié)果稱為F1。如果β比1大,recall比precision更重要;如果β比1小,precision比recall更重要。在網(wǎng)絡入侵檢測的研究中,recall(不遺漏任何異常流量)比precision(沒有把正常流量識別成異常流量)是更重要的。沒有檢測出異常流量可能會導致網(wǎng)絡入侵,或者對系統(tǒng)安全留下了隱患。因此,本文同時選取F1、F2及F3進行評估。

    實驗中從KDD99的訓練集中隨機選取10 000條異常網(wǎng)絡數(shù)據(jù)作為訓練集的正樣本數(shù)據(jù)集,然后使用Rocchio方法從KDD99訓練集中的剩余樣本中識別出10 000條正常數(shù)據(jù)作為負樣本數(shù)據(jù),再使用LIBLINEAR進行模型訓練。實驗的測試集為從KDD99測試集中隨機選取的6 000個樣本,其中正樣本數(shù)據(jù)1 550個。實驗結(jié)果如表2所示。

    表2 實驗結(jié)果

    表1中的檢測結(jié)果依賴于各個環(huán)節(jié)的處理,技術(shù)實現(xiàn)時盡可能對各個部分進行了優(yōu)化。

    3.2 實驗對比及影響因素分析

    在本文的的半監(jiān)督分類方法中,只有正樣本數(shù)據(jù),沒有負樣本數(shù)據(jù)。有一種方法可以只利用一種類型的數(shù)據(jù)進行模型訓練,例如one-class SVM,實驗發(fā)現(xiàn)使用one-class SVM方法,只用異常網(wǎng)絡流量數(shù)據(jù)訓練模型時,檢測結(jié)果并不好,precision和recall值不足0.6。另外,Liu Bing等人實現(xiàn)了一種半監(jiān)督分類工具,并且提供二進制文件下載[10]。該分類工具中包含S-EM和Roc-SVM兩種方法,實驗發(fā)現(xiàn),S-EM檢測結(jié)果中絕大多數(shù)測試集數(shù)據(jù)被識別成正樣本數(shù)據(jù),而Roc-SVM則剛好相反,對于本實驗來說,效果并不理想。

    本文中技術(shù)實現(xiàn)時包含很多環(huán)節(jié),許多因素會對檢測結(jié)果產(chǎn)生影響。其中一個因素是特征提取環(huán)節(jié),選取不同特征對模型訓練會有很大影響;另外一個影響因素是測試數(shù)據(jù)的選取,算法對網(wǎng)絡異常流量檢測具有通用性,但是針對不同的數(shù)據(jù)集,還需對算法的處理細節(jié)進行調(diào)整。

    4 結(jié)論

    工控系統(tǒng)的應用已經(jīng)變得普及,工控網(wǎng)絡也逐漸與互聯(lián)網(wǎng)開始融合,使得工業(yè)控制系統(tǒng)的脆弱性正在逐漸顯現(xiàn)。本文針對工控網(wǎng)絡數(shù)據(jù)特點,結(jié)合多種機器學習算法,設(shè)計了一種基于半監(jiān)督機器學習的入侵檢測技術(shù),使用該技術(shù)可以有效地檢測出工控系統(tǒng)網(wǎng)絡中的異常流量,從而及時發(fā)現(xiàn)和防御入侵攻擊。未來的網(wǎng)絡攻擊變種會更具欺騙性,關(guān)于準確性這一問題還需要進行更具創(chuàng)新性的研究和更多細致完善的工作。

    [1] 劉廣生, 張松清. 智能電網(wǎng)信息安全威脅及對策分析[J]. 微型機與應用, 2017,36(5):8-10.

    [2] 程冬梅, 嚴彪, 文輝,等. 基于規(guī)則匹配的分布式工控入侵檢測系統(tǒng)設(shè)計與實現(xiàn)[J]. 信息網(wǎng)絡安全, 2017(7):45-51.

    [3] 羅耀鋒. 面向工業(yè)控制系統(tǒng)的入侵檢測方法的研究與設(shè)計[D]. 杭州:浙江大學, 2013.

    [4] 楊安, 孫利民, 王小山, 等. 工業(yè)控制系統(tǒng)入侵檢測技術(shù)綜述[J]. 計算機研究與發(fā)展, 2016, 53(9):2039-2054.

    [5] 劉建偉, 劉媛, 羅雄麟. 半監(jiān)督學習方法[J]. 計算機學報, 2015,38(8):1592-1617.

    [6] 牛罡, 羅愛寶, 商琳. 半監(jiān)督文本分類綜述[J]. 計算機科學與探索, 2011, 5(4):313-323.

    [7] 杜芳華. 基于半監(jiān)督學習的文本分類算法研究[D]. 北京:北京工業(yè)大學, 2014.

    [8] 譚建平, 劉波, 肖燕珊. 基于半監(jiān)督的SVM遷移學習文本分類算法[J]. 無線互聯(lián)科技, 2016(4): 71-75.

    [9] Fan Rongen, Chang Kaiwei, HSIEH C J, et al. LIBLINEAR: a library for large iinear classification[J]. Journal of Machine Learning Research, 2010, 9(12):1871-1874.

    [10] Liu Bing, Li Xiaoli. LPU: learning from positive and unlabeled examples[EB/OL].(2003-07-10) https://www.cs.uic.edu/~liub/LPU/LPU-download.html.

    猜你喜歡
    網(wǎng)絡流量工控樣本
    基于多元高斯分布的網(wǎng)絡流量異常識別方法
    基于神經(jīng)網(wǎng)絡的P2P流量識別方法
    用樣本估計總體復習點撥
    推動醫(yī)改的“直銷樣本”
    AVB網(wǎng)絡流量整形幀模型端到端延遲計算
    工控速派 一個工控技術(shù)服務的江湖
    工控速浱 一個工控技術(shù)服務的江湖
    隨機微分方程的樣本Lyapunov二次型估計
    熱點追蹤 工控安全低調(diào)而不失重要
    基于攻擊圖的工控系統(tǒng)脆弱性量化方法
    自動化學報(2016年5期)2016-04-16 03:38:47
    十八禁高潮呻吟视频| 69av精品久久久久久 | 国产高清videossex| 国产av国产精品国产| 麻豆成人av在线观看| 欧美+亚洲+日韩+国产| 热99久久久久精品小说推荐| 欧美精品人与动牲交sv欧美| 成人三级做爰电影| 曰老女人黄片| 亚洲国产毛片av蜜桃av| 久久精品人人爽人人爽视色| 成年人黄色毛片网站| av一本久久久久| 女性被躁到高潮视频| 免费看a级黄色片| 成年人免费黄色播放视频| 久久久久久久久久久久大奶| 国产精品 欧美亚洲| 色老头精品视频在线观看| 在线观看人妻少妇| 男女之事视频高清在线观看| 十分钟在线观看高清视频www| 男男h啪啪无遮挡| 欧美亚洲日本最大视频资源| 老汉色av国产亚洲站长工具| 三级毛片av免费| xxxhd国产人妻xxx| 亚洲专区中文字幕在线| 视频区欧美日本亚洲| 国产欧美日韩一区二区精品| 亚洲精品av麻豆狂野| 亚洲精品在线美女| 五月开心婷婷网| 亚洲一卡2卡3卡4卡5卡精品中文| 热re99久久国产66热| 纯流量卡能插随身wifi吗| 精品少妇黑人巨大在线播放| 亚洲人成电影免费在线| 日日夜夜操网爽| 亚洲精品中文字幕在线视频| 欧美日本中文国产一区发布| 国产成人av教育| 99精品在免费线老司机午夜| 在线亚洲精品国产二区图片欧美| 午夜福利在线免费观看网站| 日本wwww免费看| 黄色毛片三级朝国网站| 伊人久久大香线蕉亚洲五| 欧美日本中文国产一区发布| 欧美精品一区二区大全| 日韩有码中文字幕| 国产亚洲午夜精品一区二区久久| 国产视频一区二区在线看| 少妇被粗大的猛进出69影院| 满18在线观看网站| 制服人妻中文乱码| 国产视频一区二区在线看| 国产一卡二卡三卡精品| 欧美人与性动交α欧美精品济南到| 人人妻人人添人人爽欧美一区卜| 日韩欧美国产一区二区入口| 精品免费久久久久久久清纯 | 日韩免费高清中文字幕av| 97在线人人人人妻| 亚洲av美国av| cao死你这个sao货| 男女边摸边吃奶| 国产亚洲精品第一综合不卡| 国产精品麻豆人妻色哟哟久久| av有码第一页| 纵有疾风起免费观看全集完整版| 操美女的视频在线观看| 欧美大码av| 国产成人免费无遮挡视频| 免费日韩欧美在线观看| 激情视频va一区二区三区| 国产精品香港三级国产av潘金莲| 性色av乱码一区二区三区2| 精品久久久久久电影网| 97在线人人人人妻| 丝袜喷水一区| videosex国产| 大型av网站在线播放| 国产国语露脸激情在线看| 夫妻午夜视频| 国产精品久久久久成人av| 十八禁高潮呻吟视频| 大香蕉久久网| 别揉我奶头~嗯~啊~动态视频| 久久久精品94久久精品| 国产成人精品久久二区二区免费| 久久久精品区二区三区| 欧美午夜高清在线| 在线看a的网站| 极品人妻少妇av视频| 高清在线国产一区| 一级毛片女人18水好多| 热99国产精品久久久久久7| 成人国产一区最新在线观看| 考比视频在线观看| 啦啦啦 在线观看视频| 午夜福利在线观看吧| 成人国产av品久久久| 不卡av一区二区三区| 国产精品98久久久久久宅男小说| 乱人伦中国视频| 久久久欧美国产精品| 亚洲人成77777在线视频| 69av精品久久久久久 | 动漫黄色视频在线观看| 男女午夜视频在线观看| 91麻豆精品激情在线观看国产 | 黄色成人免费大全| 老汉色∧v一级毛片| 一个人免费看片子| 十八禁网站网址无遮挡| 69av精品久久久久久 | www.自偷自拍.com| 精品乱码久久久久久99久播| 又大又爽又粗| 黄色a级毛片大全视频| 好男人电影高清在线观看| 精品国产一区二区三区久久久樱花| 中文字幕色久视频| 丰满饥渴人妻一区二区三| 欧美日本中文国产一区发布| 成人国产av品久久久| 国产成人精品久久二区二区91| 国产精品久久电影中文字幕 | 好男人电影高清在线观看| 丝袜美腿诱惑在线| 正在播放国产对白刺激| 久久人人97超碰香蕉20202| 极品教师在线免费播放| 正在播放国产对白刺激| 少妇粗大呻吟视频| 男女下面插进去视频免费观看| 免费av中文字幕在线| 午夜两性在线视频| 色94色欧美一区二区| 十分钟在线观看高清视频www| 欧美日韩精品网址| 国产午夜精品久久久久久| 国产麻豆69| 国产成+人综合+亚洲专区| 亚洲国产看品久久| 电影成人av| 欧美久久黑人一区二区| 自线自在国产av| 狠狠狠狠99中文字幕| av一本久久久久| 老司机靠b影院| 亚洲av电影在线进入| 婷婷丁香在线五月| 麻豆乱淫一区二区| av有码第一页| 亚洲精品国产色婷婷电影| 国产欧美日韩一区二区三区在线| 久久久久久久久久久久大奶| 丝袜美足系列| av在线播放免费不卡| 欧美日韩成人在线一区二区| 夜夜骑夜夜射夜夜干| 国产高清激情床上av| 91国产中文字幕| 91精品国产国语对白视频| 亚洲成人免费av在线播放| av网站免费在线观看视频| 精品一区二区三区av网在线观看 | 久久九九热精品免费| 啦啦啦视频在线资源免费观看| 丁香欧美五月| 精品国产乱码久久久久久小说| 热99国产精品久久久久久7| 亚洲第一青青草原| 汤姆久久久久久久影院中文字幕| 波多野结衣一区麻豆| 免费在线观看完整版高清| 少妇被粗大的猛进出69影院| 免费观看av网站的网址| 99久久精品国产亚洲精品| 久久国产亚洲av麻豆专区| 精品福利观看| 国产深夜福利视频在线观看| 亚洲男人天堂网一区| 视频区图区小说| 又黄又粗又硬又大视频| 18禁国产床啪视频网站| 免费在线观看黄色视频的| 美国免费a级毛片| 日韩 欧美 亚洲 中文字幕| 亚洲精品自拍成人| 午夜日韩欧美国产| 国产av一区二区精品久久| 欧美乱妇无乱码| 热re99久久国产66热| 国产精品麻豆人妻色哟哟久久| 色精品久久人妻99蜜桃| 国产成人av激情在线播放| 韩国精品一区二区三区| 麻豆av在线久日| 久久99热这里只频精品6学生| 亚洲精品在线观看二区| 国产色视频综合| 两性午夜刺激爽爽歪歪视频在线观看 | 免费看十八禁软件| 亚洲国产av新网站| 熟女少妇亚洲综合色aaa.| 午夜91福利影院| 久久精品国产a三级三级三级| 午夜福利免费观看在线| 成人18禁在线播放| 丝瓜视频免费看黄片| 51午夜福利影视在线观看| 久久ye,这里只有精品| 每晚都被弄得嗷嗷叫到高潮| 免费观看av网站的网址| 一本色道久久久久久精品综合| 中文字幕人妻熟女乱码| 狠狠婷婷综合久久久久久88av| 人人妻人人澡人人看| 久久国产亚洲av麻豆专区| 美女视频免费永久观看网站| 久久中文看片网| 久久中文字幕一级| 亚洲人成电影免费在线| 真人做人爱边吃奶动态| 中文字幕制服av| av有码第一页| 美女主播在线视频| 亚洲av成人一区二区三| 考比视频在线观看| aaaaa片日本免费| 欧美日韩av久久| 高潮久久久久久久久久久不卡| 国产无遮挡羞羞视频在线观看| 极品教师在线免费播放| 中文字幕最新亚洲高清| 午夜福利视频在线观看免费| 女警被强在线播放| 国产精品久久久久久精品古装| 亚洲欧美一区二区三区黑人| 国产成人精品久久二区二区免费| kizo精华| 午夜成年电影在线免费观看| 免费少妇av软件| 中文字幕人妻熟女乱码| 精品国产亚洲在线| 久久久久久久精品吃奶| 午夜91福利影院| 亚洲av美国av| 成人18禁在线播放| 十八禁高潮呻吟视频| 中文欧美无线码| av不卡在线播放| 日韩欧美三级三区| 国产亚洲欧美精品永久| 亚洲 国产 在线| 18在线观看网站| 国产在视频线精品| 露出奶头的视频| 国产精品一区二区在线不卡| 色在线成人网| 免费不卡黄色视频| 欧美+亚洲+日韩+国产| 免费人妻精品一区二区三区视频| 欧美性长视频在线观看| 国产一区二区三区在线臀色熟女 | 国产欧美日韩一区二区精品| 黄色成人免费大全| 国产福利在线免费观看视频| 91九色精品人成在线观看| 一本一本久久a久久精品综合妖精| 婷婷丁香在线五月| 精品亚洲乱码少妇综合久久| av福利片在线| 精品国产亚洲在线| 桃红色精品国产亚洲av| 国产精品99久久99久久久不卡| 久久人妻福利社区极品人妻图片| 亚洲av片天天在线观看| av有码第一页| 中文字幕av电影在线播放| 欧美老熟妇乱子伦牲交| 中文字幕最新亚洲高清| 热99久久久久精品小说推荐| √禁漫天堂资源中文www| 亚洲美女黄片视频| 亚洲国产av影院在线观看| 999精品在线视频| 亚洲精品自拍成人| 一二三四在线观看免费中文在| 大陆偷拍与自拍| 黄色怎么调成土黄色| 另类亚洲欧美激情| 高清在线国产一区| 国产免费av片在线观看野外av| 狂野欧美激情性xxxx| 久久人人97超碰香蕉20202| 欧美精品一区二区免费开放| 成人特级黄色片久久久久久久 | 国产亚洲精品一区二区www | 久久精品国产99精品国产亚洲性色 | 精品少妇内射三级| 久久狼人影院| av又黄又爽大尺度在线免费看| 乱人伦中国视频| 国产熟女午夜一区二区三区| 黄色 视频免费看| 国产黄色免费在线视频| 亚洲欧美日韩另类电影网站| 99re6热这里在线精品视频| 亚洲成a人片在线一区二区| 少妇 在线观看| 国产精品自产拍在线观看55亚洲 | 搡老乐熟女国产| 大型黄色视频在线免费观看| 久久久久久久久久久久大奶| 成人精品一区二区免费| 国产精品香港三级国产av潘金莲| 午夜老司机福利片| 国产视频一区二区在线看| 国内毛片毛片毛片毛片毛片| 自拍欧美九色日韩亚洲蝌蚪91| 午夜91福利影院| 国产又爽黄色视频| 黄色片一级片一级黄色片| 欧美人与性动交α欧美软件| 国产一区二区激情短视频| 亚洲欧洲日产国产| 国产亚洲精品第一综合不卡| 青草久久国产| 老司机亚洲免费影院| 人妻 亚洲 视频| 精品熟女少妇八av免费久了| 岛国在线观看网站| 国产在线视频一区二区| 色综合欧美亚洲国产小说| 999久久久国产精品视频| 中国美女看黄片| 亚洲av片天天在线观看| 精品乱码久久久久久99久播| 成年女人毛片免费观看观看9 | 免费一级毛片在线播放高清视频 | 亚洲成av片中文字幕在线观看| 国产国语露脸激情在线看| 老司机在亚洲福利影院| 亚洲自偷自拍图片 自拍| 在线永久观看黄色视频| 操出白浆在线播放| 日韩免费高清中文字幕av| 亚洲,欧美精品.| 日韩一卡2卡3卡4卡2021年| 国产亚洲av高清不卡| 香蕉丝袜av| 50天的宝宝边吃奶边哭怎么回事| 国产在线一区二区三区精| 久久久久国内视频| 精品少妇内射三级| 国产91精品成人一区二区三区 | 极品少妇高潮喷水抽搐| 久久午夜亚洲精品久久| 亚洲精品国产区一区二| 一区在线观看完整版| 国产无遮挡羞羞视频在线观看| 两性夫妻黄色片| 999久久久精品免费观看国产| 日韩大码丰满熟妇| 蜜桃国产av成人99| 国产精品 国内视频| 丁香六月欧美| 在线观看免费视频网站a站| 69精品国产乱码久久久| 亚洲专区字幕在线| 国产不卡av网站在线观看| 国产成人一区二区三区免费视频网站| 老熟妇乱子伦视频在线观看| 五月开心婷婷网| 91大片在线观看| 少妇被粗大的猛进出69影院| 国产日韩一区二区三区精品不卡| 精品少妇黑人巨大在线播放| 成人精品一区二区免费| 精品国产乱码久久久久久男人| 夜夜骑夜夜射夜夜干| 天堂中文最新版在线下载| 我要看黄色一级片免费的| 亚洲七黄色美女视频| a级毛片黄视频| 亚洲国产欧美一区二区综合| 天堂俺去俺来也www色官网| 香蕉国产在线看| 12—13女人毛片做爰片一| 一区在线观看完整版| 老熟妇仑乱视频hdxx| 女警被强在线播放| 午夜福利视频在线观看免费| 国产精品久久电影中文字幕 | 国产在线免费精品| 欧美乱码精品一区二区三区| 国产福利在线免费观看视频| 国产精品亚洲一级av第二区| 后天国语完整版免费观看| 999精品在线视频| 日韩有码中文字幕| 日韩制服丝袜自拍偷拍| 精品久久蜜臀av无| 国产精品国产av在线观看| 亚洲欧洲精品一区二区精品久久久| 欧美激情 高清一区二区三区| 久久国产精品人妻蜜桃| 国产三级黄色录像| 一本大道久久a久久精品| 国产成人精品久久二区二区91| 欧美精品亚洲一区二区| 视频在线观看一区二区三区| 亚洲精品中文字幕在线视频| 精品久久久久久电影网| 天天影视国产精品| 国产精品欧美亚洲77777| a级片在线免费高清观看视频| 91老司机精品| 国产免费现黄频在线看| 久久精品亚洲精品国产色婷小说| 狠狠狠狠99中文字幕| 国产精品99久久99久久久不卡| 汤姆久久久久久久影院中文字幕| 久久久久久久大尺度免费视频| 日本一区二区免费在线视频| 免费黄频网站在线观看国产| 成人18禁在线播放| 精品少妇黑人巨大在线播放| 久久精品国产综合久久久| 天堂中文最新版在线下载| 97人妻天天添夜夜摸| 91国产中文字幕| 999久久久国产精品视频| 国产成人免费观看mmmm| 日韩欧美一区视频在线观看| 欧美久久黑人一区二区| 国产成人精品在线电影| 久久亚洲真实| 一区二区三区国产精品乱码| 久久精品国产亚洲av高清一级| 亚洲精品一卡2卡三卡4卡5卡| 国产黄频视频在线观看| 亚洲专区中文字幕在线| 精品欧美一区二区三区在线| 欧美变态另类bdsm刘玥| 日日夜夜操网爽| 黄色视频,在线免费观看| 国产老妇伦熟女老妇高清| 18在线观看网站| 久久久久久人人人人人| 狂野欧美激情性xxxx| 欧美变态另类bdsm刘玥| 日日摸夜夜添夜夜添小说| 久久人妻福利社区极品人妻图片| 在线观看66精品国产| 中文欧美无线码| av线在线观看网站| www.精华液| 亚洲成av片中文字幕在线观看| 丁香六月欧美| av有码第一页| 日韩中文字幕视频在线看片| 欧美久久黑人一区二区| 亚洲第一av免费看| 亚洲成a人片在线一区二区| 亚洲专区中文字幕在线| av福利片在线| 日本撒尿小便嘘嘘汇集6| 免费少妇av软件| 91麻豆av在线| 亚洲欧美色中文字幕在线| 国产国语露脸激情在线看| 蜜桃国产av成人99| 黄片大片在线免费观看| 在线观看免费视频日本深夜| cao死你这个sao货| 超碰成人久久| 日本a在线网址| 夜夜骑夜夜射夜夜干| 黄色视频,在线免费观看| 亚洲av片天天在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 女人久久www免费人成看片| 我的亚洲天堂| 国产伦理片在线播放av一区| 久久久久精品国产欧美久久久| 精品视频人人做人人爽| 老司机福利观看| av在线播放免费不卡| 大码成人一级视频| 久久久国产欧美日韩av| 女人精品久久久久毛片| 久久国产精品男人的天堂亚洲| 最新美女视频免费是黄的| 人人妻人人澡人人爽人人夜夜| 曰老女人黄片| 别揉我奶头~嗯~啊~动态视频| 国产在线观看jvid| 久久人妻av系列| 成在线人永久免费视频| 亚洲欧美精品综合一区二区三区| 一进一出抽搐动态| 成年动漫av网址| 亚洲色图综合在线观看| 69av精品久久久久久 | 国产成人欧美在线观看 | 香蕉国产在线看| 色在线成人网| 91老司机精品| 51午夜福利影视在线观看| 精品国产超薄肉色丝袜足j| e午夜精品久久久久久久| 久久天堂一区二区三区四区| 亚洲欧美一区二区三区久久| 日韩大码丰满熟妇| 精品国产乱码久久久久久小说| 日韩视频在线欧美| 午夜免费鲁丝| 满18在线观看网站| 午夜视频精品福利| 十分钟在线观看高清视频www| 宅男免费午夜| 美国免费a级毛片| 黄片大片在线免费观看| 无遮挡黄片免费观看| 国产一区二区 视频在线| 国产av精品麻豆| 国产亚洲av高清不卡| 色婷婷av一区二区三区视频| 一进一出好大好爽视频| 搡老熟女国产l中国老女人| 十八禁人妻一区二区| 精品人妻1区二区| 亚洲欧洲精品一区二区精品久久久| 午夜福利在线免费观看网站| 一级a爱视频在线免费观看| 亚洲精华国产精华精| 黄色成人免费大全| 桃红色精品国产亚洲av| 精品一区二区三区视频在线观看免费 | 国产av又大| 精品一区二区三区视频在线观看免费 | 久久青草综合色| 日韩三级视频一区二区三区| 国产免费视频播放在线视频| 黑丝袜美女国产一区| 一本久久精品| 狠狠狠狠99中文字幕| 激情在线观看视频在线高清 | 国产精品美女特级片免费视频播放器 | 91成年电影在线观看| 久久国产精品影院| 女人精品久久久久毛片| 美女高潮喷水抽搐中文字幕| 免费日韩欧美在线观看| 精品国产乱码久久久久久小说| 久热这里只有精品99| 真人做人爱边吃奶动态| 又大又爽又粗| 欧美精品高潮呻吟av久久| 啦啦啦中文免费视频观看日本| 99国产精品一区二区蜜桃av | 久久久国产精品麻豆| 精品福利观看| 免费不卡黄色视频| 亚洲成av片中文字幕在线观看| 五月天丁香电影| 人人妻人人澡人人看| 国产不卡av网站在线观看| 成人永久免费在线观看视频 | 在线观看人妻少妇| 日本av手机在线免费观看| 久久99一区二区三区| 自线自在国产av| 91大片在线观看| 亚洲精品中文字幕一二三四区 | 欧美另类亚洲清纯唯美| 美女高潮到喷水免费观看| 久久国产精品影院| 亚洲精品乱久久久久久| 欧美激情极品国产一区二区三区| 九色亚洲精品在线播放| 十分钟在线观看高清视频www| 久久久久精品人妻al黑| 水蜜桃什么品种好| aaaaa片日本免费| 亚洲久久久国产精品| 超碰成人久久| 人人妻人人澡人人看| 国产男靠女视频免费网站| 精品午夜福利视频在线观看一区 | 精品国产一区二区久久| 亚洲,欧美精品.| 99国产精品一区二区三区| 女警被强在线播放| 国产精品免费一区二区三区在线 | 激情在线观看视频在线高清 | 午夜免费鲁丝| 国产精品自产拍在线观看55亚洲 | 19禁男女啪啪无遮挡网站| 老司机亚洲免费影院| 欧美精品一区二区免费开放| 精品一品国产午夜福利视频| 丰满少妇做爰视频| 69精品国产乱码久久久| 国产欧美日韩一区二区三| 两性午夜刺激爽爽歪歪视频在线观看 | 19禁男女啪啪无遮挡网站| 侵犯人妻中文字幕一二三四区| 狂野欧美激情性xxxx|