• <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
    交换朋友夫妻互换小说| 在线 av 中文字幕| 国产精品九九99| 久久精品国产a三级三级三级| 人妻一区二区av| 亚洲va日本ⅴa欧美va伊人久久| www.熟女人妻精品国产| 久久精品国产亚洲av高清一级| 一区福利在线观看| 亚洲一区中文字幕在线| 日本撒尿小便嘘嘘汇集6| 亚洲国产精品一区二区三区在线| 精品人妻1区二区| 91精品国产国语对白视频| 欧美日韩一级在线毛片| 一二三四社区在线视频社区8| 下体分泌物呈黄色| 一级a爱视频在线免费观看| 国产深夜福利视频在线观看| 18在线观看网站| 国产精品电影一区二区三区 | 在线永久观看黄色视频| 真人做人爱边吃奶动态| 自拍欧美九色日韩亚洲蝌蚪91| 欧美日韩成人在线一区二区| videosex国产| 精品人妻在线不人妻| 国产一区二区三区视频了| 亚洲午夜理论影院| 亚洲avbb在线观看| bbb黄色大片| 18禁美女被吸乳视频| 亚洲av美国av| 日韩成人在线观看一区二区三区| 日韩一区二区三区影片| 国产精品久久久久成人av| 国产在线精品亚洲第一网站| 亚洲人成电影免费在线| 国产精品av久久久久免费| 欧美午夜高清在线| 午夜精品国产一区二区电影| 99国产精品一区二区三区| 怎么达到女性高潮| 久久影院123| 性少妇av在线| 性色av乱码一区二区三区2| 日本精品一区二区三区蜜桃| 亚洲伊人色综图| 欧美精品亚洲一区二区| 一级毛片女人18水好多| 久久精品国产99精品国产亚洲性色 | 99re在线观看精品视频| 欧美性长视频在线观看| 在线播放国产精品三级| tocl精华| 一个人免费在线观看的高清视频| 日韩欧美国产一区二区入口| 久久人妻av系列| 日韩一卡2卡3卡4卡2021年| 丝袜美腿诱惑在线| 午夜福利,免费看| 亚洲中文字幕日韩| 多毛熟女@视频| 亚洲天堂av无毛| 欧美激情极品国产一区二区三区| 国产欧美日韩一区二区三区在线| 精品福利观看| 法律面前人人平等表现在哪些方面| 国产伦人伦偷精品视频| 91成人精品电影| 精品福利观看| 熟女少妇亚洲综合色aaa.| 久久免费观看电影| 亚洲男人天堂网一区| 亚洲全国av大片| 天天躁日日躁夜夜躁夜夜| 老司机午夜福利在线观看视频 | 亚洲人成电影观看| 男女床上黄色一级片免费看| 极品人妻少妇av视频| 丝瓜视频免费看黄片| 亚洲中文日韩欧美视频| 国产97色在线日韩免费| 久久天躁狠狠躁夜夜2o2o| 性高湖久久久久久久久免费观看| tube8黄色片| 纯流量卡能插随身wifi吗| 欧美乱码精品一区二区三区| 大码成人一级视频| 亚洲精华国产精华精| 天堂中文最新版在线下载| 高清视频免费观看一区二区| 精品国产亚洲在线| 超碰成人久久| 淫妇啪啪啪对白视频| 操美女的视频在线观看| 香蕉丝袜av| 久久中文看片网| 日韩视频在线欧美| 韩国精品一区二区三区| 亚洲五月色婷婷综合| 一区二区三区国产精品乱码| 精品第一国产精品| 国产人伦9x9x在线观看| 十分钟在线观看高清视频www| 国产极品粉嫩免费观看在线| 欧美精品一区二区免费开放| 亚洲一区二区三区欧美精品| 亚洲国产欧美一区二区综合| 麻豆av在线久日| 国产成人精品无人区| 91成年电影在线观看| 亚洲男人天堂网一区| 久久av网站| avwww免费| 亚洲国产毛片av蜜桃av| 99国产极品粉嫩在线观看| 日韩一区二区三区影片| 亚洲专区字幕在线| 中文字幕高清在线视频| av天堂久久9| 国产区一区二久久| 中文字幕人妻熟女乱码| 亚洲五月婷婷丁香| 99精国产麻豆久久婷婷| av天堂在线播放| 欧美亚洲日本最大视频资源| 亚洲五月色婷婷综合| 午夜91福利影院| 咕卡用的链子| 成人永久免费在线观看视频 | 丁香欧美五月| 国产欧美日韩一区二区三区在线| 久久国产亚洲av麻豆专区| 日本av手机在线免费观看| 最新美女视频免费是黄的| 搡老乐熟女国产| 777米奇影视久久| 无人区码免费观看不卡 | 国产精品国产高清国产av | 亚洲情色 制服丝袜| 亚洲国产中文字幕在线视频| 大码成人一级视频| 亚洲国产av影院在线观看| 亚洲人成电影免费在线| 国产色视频综合| 91国产中文字幕| 99riav亚洲国产免费| 免费人妻精品一区二区三区视频| 1024视频免费在线观看| 免费看十八禁软件| 丝袜人妻中文字幕| 人成视频在线观看免费观看| 69av精品久久久久久 | 亚洲色图综合在线观看| 人人澡人人妻人| 久久青草综合色| 亚洲午夜理论影院| 国产精品一区二区精品视频观看| 九色亚洲精品在线播放| 亚洲五月色婷婷综合| 在线观看66精品国产| 九色亚洲精品在线播放| 国产视频一区二区在线看| 日韩中文字幕欧美一区二区| 在线 av 中文字幕| 欧美精品啪啪一区二区三区| 丰满少妇做爰视频| 久久人人爽av亚洲精品天堂| 男女高潮啪啪啪动态图| 国产在视频线精品| 自拍欧美九色日韩亚洲蝌蚪91| 热99re8久久精品国产| 国产av又大| 免费看十八禁软件| 一区在线观看完整版| 成人黄色视频免费在线看| av福利片在线| 国产欧美日韩一区二区精品| 超色免费av| 亚洲七黄色美女视频| 国产三级黄色录像| 宅男免费午夜| 巨乳人妻的诱惑在线观看| 精品亚洲成a人片在线观看| 午夜福利欧美成人| 欧美精品高潮呻吟av久久| 亚洲av成人不卡在线观看播放网| 嫩草影视91久久| 男女午夜视频在线观看| 在线观看免费视频网站a站| 精品一品国产午夜福利视频| 久久精品熟女亚洲av麻豆精品| 亚洲成人国产一区在线观看| 99re6热这里在线精品视频| 19禁男女啪啪无遮挡网站| 女性生殖器流出的白浆| 免费高清在线观看日韩| 亚洲av第一区精品v没综合| 精品福利永久在线观看| 国产成人影院久久av| 久久性视频一级片| 麻豆国产av国片精品| 女警被强在线播放| 首页视频小说图片口味搜索| 欧美日韩亚洲国产一区二区在线观看 | 欧美大码av| 久久热在线av| 人人妻人人添人人爽欧美一区卜| 美女福利国产在线| 高清欧美精品videossex| 国产精品一区二区精品视频观看| 欧美成人午夜精品| 亚洲va日本ⅴa欧美va伊人久久| 热re99久久精品国产66热6| 97在线人人人人妻| 热99久久久久精品小说推荐| 香蕉久久夜色| 天堂8中文在线网| 啦啦啦中文免费视频观看日本| 国产精品电影一区二区三区 | 淫妇啪啪啪对白视频| 日日夜夜操网爽| 亚洲欧美一区二区三区久久| 99国产精品一区二区三区| 手机成人av网站| 国产精品98久久久久久宅男小说| 午夜两性在线视频| 老熟妇仑乱视频hdxx| 韩国精品一区二区三区| 啦啦啦免费观看视频1| 国产高清激情床上av| 久久精品国产亚洲av香蕉五月 | 一区二区日韩欧美中文字幕| 午夜福利,免费看| 国产免费现黄频在线看| 成人免费观看视频高清| 久久人妻福利社区极品人妻图片| 亚洲国产欧美一区二区综合| 国产色视频综合| 无人区码免费观看不卡 | 精品一区二区三区视频在线观看免费 | 黑人猛操日本美女一级片| 国产高清videossex| 色综合婷婷激情| 午夜两性在线视频| 成人国产一区最新在线观看| 国产日韩欧美在线精品| 宅男免费午夜| 19禁男女啪啪无遮挡网站| 久久国产精品大桥未久av| 51午夜福利影视在线观看| 欧美日韩成人在线一区二区| 国产成人av教育| www.精华液| 免费在线观看日本一区| 久久精品亚洲精品国产色婷小说| 欧美日韩精品网址| 女人被躁到高潮嗷嗷叫费观| 男女午夜视频在线观看| av欧美777| 男女床上黄色一级片免费看| 99国产综合亚洲精品| 嫁个100分男人电影在线观看| 国产欧美日韩一区二区三区在线| 亚洲精品国产精品久久久不卡| 国产精品偷伦视频观看了| 亚洲国产av新网站| 国产精品免费大片| 中文字幕av电影在线播放| 在线 av 中文字幕| 日韩免费av在线播放| 国产免费av片在线观看野外av| 精品久久久久久久毛片微露脸| 夜夜爽天天搞| 老司机午夜十八禁免费视频| 丰满迷人的少妇在线观看| 我要看黄色一级片免费的| 丰满饥渴人妻一区二区三| 人人妻,人人澡人人爽秒播| 欧美黑人精品巨大| 国产精品.久久久| 91国产中文字幕| 国产主播在线观看一区二区| 99re6热这里在线精品视频| 国产免费福利视频在线观看| 后天国语完整版免费观看| 99热网站在线观看| 9色porny在线观看| av电影中文网址| 亚洲五月色婷婷综合| 伊人久久大香线蕉亚洲五| 80岁老熟妇乱子伦牲交| 一个人免费在线观看的高清视频| 久久久久久久精品吃奶| 国产熟女午夜一区二区三区| 少妇的丰满在线观看| 黄片播放在线免费| 欧美人与性动交α欧美软件| 亚洲成人免费电影在线观看| 嫩草影视91久久| 亚洲精品美女久久久久99蜜臀| 99国产综合亚洲精品| 成年人黄色毛片网站| 老司机午夜十八禁免费视频| 大片电影免费在线观看免费| 中文字幕高清在线视频| 手机成人av网站| 国产高清视频在线播放一区| 日韩欧美一区视频在线观看| 久久久国产精品麻豆| 国产黄色免费在线视频| av片东京热男人的天堂| 久久影院123| 无限看片的www在线观看| 女同久久另类99精品国产91| 丁香欧美五月| 精品人妻熟女毛片av久久网站| 叶爱在线成人免费视频播放| 国产欧美日韩一区二区精品| 一级毛片电影观看| 精品国产乱子伦一区二区三区| 一边摸一边抽搐一进一出视频| 日韩欧美国产一区二区入口| 成年人免费黄色播放视频| 久久精品亚洲av国产电影网| 黑人猛操日本美女一级片| 免费日韩欧美在线观看| 老司机靠b影院| 午夜福利乱码中文字幕| 免费观看人在逋| 免费在线观看黄色视频的| 丰满迷人的少妇在线观看| 亚洲一区中文字幕在线| 亚洲伊人色综图| 亚洲男人天堂网一区| 又大又爽又粗| 欧美黄色淫秽网站| 丁香六月欧美| 免费在线观看影片大全网站| 深夜精品福利| 国产成人影院久久av| √禁漫天堂资源中文www| 免费日韩欧美在线观看| 美女视频免费永久观看网站| 国产精品国产av在线观看| 亚洲精品中文字幕一二三四区 | 国产精品久久久久久精品电影小说| 好男人电影高清在线观看| 两个人免费观看高清视频| 欧美激情高清一区二区三区| 日本wwww免费看| 日日夜夜操网爽| 精品国产亚洲在线| 十八禁网站免费在线| 老司机午夜十八禁免费视频| 9热在线视频观看99| 99精品欧美一区二区三区四区| 午夜福利在线观看吧| 亚洲免费av在线视频| 人人澡人人妻人| 国产精品熟女久久久久浪| av天堂在线播放| 亚洲熟妇熟女久久| 久久精品亚洲av国产电影网| 久久ye,这里只有精品| 国产精品久久久久久精品电影小说| 在线观看人妻少妇| 男女床上黄色一级片免费看| 男女边摸边吃奶| 国产精品欧美亚洲77777| 欧美日韩精品网址| 国产不卡一卡二| 精品免费久久久久久久清纯 | 叶爱在线成人免费视频播放| 两人在一起打扑克的视频| 一级毛片女人18水好多| 热re99久久精品国产66热6| 国产一卡二卡三卡精品| 久久久久国内视频| 最近最新中文字幕大全电影3 | 午夜日韩欧美国产| 变态另类成人亚洲欧美熟女 | 男人舔女人的私密视频| 久久久久精品人妻al黑| 久久久久国内视频| 国产aⅴ精品一区二区三区波| 少妇 在线观看| 亚洲第一青青草原| 91国产中文字幕| 精品一区二区三区av网在线观看 | 国产成人系列免费观看| 狠狠婷婷综合久久久久久88av| 在线av久久热| 色婷婷久久久亚洲欧美| 天天躁狠狠躁夜夜躁狠狠躁| 岛国毛片在线播放| 美女主播在线视频| 啦啦啦在线免费观看视频4| 每晚都被弄得嗷嗷叫到高潮| 欧美老熟妇乱子伦牲交| 欧美亚洲 丝袜 人妻 在线| 国产精品欧美亚洲77777| 精品福利观看| 国产精品国产av在线观看| 最近最新免费中文字幕在线| 一级毛片电影观看| 麻豆乱淫一区二区| 美女高潮喷水抽搐中文字幕| tocl精华| 精品国产乱子伦一区二区三区| 一边摸一边做爽爽视频免费| 亚洲精品一二三| 欧美精品人与动牲交sv欧美| 欧美日韩亚洲国产一区二区在线观看 | 久久精品国产99精品国产亚洲性色 | 99riav亚洲国产免费| 国产男女内射视频| 不卡av一区二区三区| 久久精品熟女亚洲av麻豆精品| 亚洲精品中文字幕一二三四区 | 变态另类成人亚洲欧美熟女 | 18禁黄网站禁片午夜丰满| 国产av国产精品国产| 亚洲精品在线美女| 国产高清激情床上av| 纵有疾风起免费观看全集完整版| 亚洲avbb在线观看| 777久久人妻少妇嫩草av网站| 成年动漫av网址| 久久人妻熟女aⅴ| 久久久精品国产亚洲av高清涩受| 窝窝影院91人妻| 久久久久久免费高清国产稀缺| 热99久久久久精品小说推荐| 一级片免费观看大全| 欧美黄色淫秽网站| 国产成+人综合+亚洲专区| 午夜福利视频在线观看免费| 亚洲av日韩精品久久久久久密| 十八禁人妻一区二区| 国产aⅴ精品一区二区三区波| 欧美激情久久久久久爽电影 | 麻豆国产av国片精品| 久久国产精品人妻蜜桃| 色老头精品视频在线观看| 精品国产一区二区三区四区第35| videosex国产| 精品熟女少妇八av免费久了| 搡老乐熟女国产| 黑人巨大精品欧美一区二区mp4| 国产精品自产拍在线观看55亚洲 | 精品国产乱码久久久久久男人| 日韩中文字幕视频在线看片| 水蜜桃什么品种好| 日韩欧美三级三区| 女警被强在线播放| 国产成+人综合+亚洲专区| 精品国产一区二区三区四区第35| 人成视频在线观看免费观看| 一级片'在线观看视频| 欧美精品av麻豆av| 超碰成人久久| 9191精品国产免费久久| 美女福利国产在线| 我要看黄色一级片免费的| 国产精品98久久久久久宅男小说| 美女视频免费永久观看网站| 国内毛片毛片毛片毛片毛片| 国产成人av教育| 成年人午夜在线观看视频| 久久精品国产亚洲av香蕉五月 | 高清毛片免费观看视频网站 | 在线观看www视频免费| 18禁观看日本| 99精国产麻豆久久婷婷| av天堂久久9| 新久久久久国产一级毛片| 又大又爽又粗| 精品少妇内射三级| 老熟女久久久| 男女边摸边吃奶| 天天躁日日躁夜夜躁夜夜| 日韩欧美一区二区三区在线观看 | 老汉色av国产亚洲站长工具| 久久久久国产一级毛片高清牌| 亚洲精品中文字幕在线视频| 精品免费久久久久久久清纯 | 久久午夜综合久久蜜桃| 涩涩av久久男人的天堂| 久久久久九九精品影院| 中文字幕高清在线视频| 色综合亚洲欧美另类图片| 久久久久性生活片| 99视频精品全部免费 在线 | 成人欧美大片| 最新中文字幕久久久久 | 一级毛片精品| 久久久成人免费电影| 国产97色在线日韩免费| 身体一侧抽搐| 日日干狠狠操夜夜爽| 亚洲av中文字字幕乱码综合| 色综合亚洲欧美另类图片| 国产97色在线日韩免费| 12—13女人毛片做爰片一| cao死你这个sao货| 看片在线看免费视频| 他把我摸到了高潮在线观看| 夜夜夜夜夜久久久久| 精品国产超薄肉色丝袜足j| а√天堂www在线а√下载| 成人一区二区视频在线观看| 日韩 欧美 亚洲 中文字幕| 亚洲国产色片| 国产乱人伦免费视频| 九九热线精品视视频播放| 国产精品永久免费网站| 欧美又色又爽又黄视频| 99riav亚洲国产免费| 亚洲国产欧美网| 亚洲av美国av| 特大巨黑吊av在线直播| 成年女人看的毛片在线观看| 搡老妇女老女人老熟妇| 亚洲欧美日韩高清在线视频| 最新中文字幕久久久久 | 亚洲欧洲精品一区二区精品久久久| 免费看a级黄色片| 香蕉国产在线看| 老熟妇乱子伦视频在线观看| 成人特级av手机在线观看| 日韩欧美国产在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成人久久爱视频| 女同久久另类99精品国产91| 久久中文字幕一级| 午夜精品一区二区三区免费看| 久久亚洲精品不卡| 少妇的丰满在线观看| 日韩人妻高清精品专区| 高清毛片免费观看视频网站| 老司机深夜福利视频在线观看| 国产三级黄色录像| 国产成人av激情在线播放| av欧美777| 又爽又黄无遮挡网站| 国产乱人视频| 黄片大片在线免费观看| 亚洲最大成人中文| 天天添夜夜摸| 成人欧美大片| 亚洲熟妇中文字幕五十中出| 国产综合懂色| 国产一区二区在线观看日韩 | 变态另类丝袜制服| 级片在线观看| 国产不卡一卡二| 国产视频内射| 亚洲 国产 在线| 久久性视频一级片| 激情在线观看视频在线高清| 综合色av麻豆| 免费在线观看日本一区| 黄色女人牲交| 亚洲精品456在线播放app | 国产高潮美女av| 禁无遮挡网站| h日本视频在线播放| 亚洲精品中文字幕一二三四区| 少妇的逼水好多| 久久香蕉国产精品| 亚洲在线自拍视频| 久久99热这里只有精品18| 国产精品亚洲av一区麻豆| 日韩欧美 国产精品| 一边摸一边抽搐一进一小说| 亚洲欧美日韩东京热| 偷拍熟女少妇极品色| 真人做人爱边吃奶动态| 亚洲精品美女久久av网站| 亚洲精品乱码久久久v下载方式 | 国产精品久久久久久亚洲av鲁大| 亚洲欧美日韩高清专用| 欧美日韩综合久久久久久 | 黄色女人牲交| 国产激情久久老熟女| 国产一区二区在线观看日韩 | 美女黄网站色视频| 成人18禁在线播放| 黄色女人牲交| 成人18禁在线播放| 1024香蕉在线观看| xxx96com| 99精品欧美一区二区三区四区| 亚洲人成网站高清观看| 男女床上黄色一级片免费看| 99精品在免费线老司机午夜| 久久久久久国产a免费观看| 小蜜桃在线观看免费完整版高清| 露出奶头的视频| 国产伦一二天堂av在线观看| 久久中文字幕一级| 无限看片的www在线观看| 性色av乱码一区二区三区2| 色老头精品视频在线观看| 欧美黑人巨大hd| 精品不卡国产一区二区三区| 桃红色精品国产亚洲av| 亚洲一区二区三区色噜噜| 久99久视频精品免费| 久久久久亚洲av毛片大全| 免费看日本二区| 男女下面进入的视频免费午夜| 欧美国产日韩亚洲一区|