• <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
    国产日韩欧美在线精品| 91午夜精品亚洲一区二区三区| 人妻系列 视频| 亚洲怡红院男人天堂| 久久人妻av系列| 国产高清国产精品国产三级 | 精品午夜福利在线看| 亚洲无线观看免费| 在线观看66精品国产| 内地一区二区视频在线| 夫妻性生交免费视频一级片| 亚洲国产精品国产精品| 淫秽高清视频在线观看| 久久久午夜欧美精品| 久久精品国产亚洲av涩爱| 国产精品伦人一区二区| 亚洲内射少妇av| 国产午夜福利久久久久久| 午夜福利成人在线免费观看| 免费观看人在逋| 黄片无遮挡物在线观看| 联通29元200g的流量卡| 免费观看的影片在线观看| 免费播放大片免费观看视频在线观看 | 亚洲怡红院男人天堂| 亚洲性久久影院| 久久精品夜色国产| 变态另类丝袜制服| 精品熟女少妇av免费看| 亚洲av电影不卡..在线观看| 国产高清有码在线观看视频| av在线观看视频网站免费| 久久精品熟女亚洲av麻豆精品 | 一区二区三区高清视频在线| 欧美高清性xxxxhd video| 噜噜噜噜噜久久久久久91| av天堂中文字幕网| 亚洲av不卡在线观看| av在线天堂中文字幕| 久久久午夜欧美精品| 久久久久免费精品人妻一区二区| 欧美丝袜亚洲另类| 乱人视频在线观看| 午夜日本视频在线| 在线播放无遮挡| 国产精品国产三级国产专区5o | 免费看av在线观看网站| 中国国产av一级| 国产午夜精品久久久久久一区二区三区| 搞女人的毛片| 91精品国产九色| 美女黄网站色视频| 国产在线男女| 日韩一区二区三区影片| 卡戴珊不雅视频在线播放| 美女国产视频在线观看| 人妻夜夜爽99麻豆av| 小蜜桃在线观看免费完整版高清| 久久久国产成人精品二区| 成人午夜高清在线视频| 爱豆传媒免费全集在线观看| 亚洲激情五月婷婷啪啪| 国产成人freesex在线| 99久久人妻综合| 国产亚洲精品久久久com| 国产国拍精品亚洲av在线观看| 久久久久久九九精品二区国产| 91精品一卡2卡3卡4卡| 直男gayav资源| 成人亚洲精品av一区二区| 亚洲五月天丁香| 色吧在线观看| 中文欧美无线码| 精品不卡国产一区二区三区| 联通29元200g的流量卡| 非洲黑人性xxxx精品又粗又长| 99国产精品一区二区蜜桃av| 精品午夜福利在线看| 免费观看a级毛片全部| av.在线天堂| 波多野结衣巨乳人妻| 成人二区视频| 午夜精品在线福利| 视频中文字幕在线观看| 97人妻精品一区二区三区麻豆| 一个人看的www免费观看视频| 成人欧美大片| 国产精品蜜桃在线观看| 好男人视频免费观看在线| 男女边吃奶边做爰视频| 精品久久久久久电影网 | 97在线视频观看| 日韩制服骚丝袜av| 国产三级中文精品| 久久久久国产网址| 级片在线观看| 亚洲欧美中文字幕日韩二区| 久久韩国三级中文字幕| 国产av不卡久久| 日韩欧美精品v在线| 成年女人看的毛片在线观看| 欧美变态另类bdsm刘玥| 欧美另类亚洲清纯唯美| 一区二区三区免费毛片| 国产亚洲午夜精品一区二区久久 | 91久久精品国产一区二区三区| 深夜a级毛片| 久久精品91蜜桃| 久久久久免费精品人妻一区二区| 亚洲国产精品国产精品| 水蜜桃什么品种好| 久久精品久久精品一区二区三区| 国产男人的电影天堂91| 少妇人妻一区二区三区视频| av天堂中文字幕网| 久久久欧美国产精品| 别揉我奶头 嗯啊视频| 国产精品久久久久久精品电影小说 | 精品久久国产蜜桃| 国产一区二区在线观看日韩| 欧美激情久久久久久爽电影| 中文字幕人妻熟人妻熟丝袜美| 国产精品美女特级片免费视频播放器| 亚洲aⅴ乱码一区二区在线播放| 国产私拍福利视频在线观看| 日本色播在线视频| 久久久久久九九精品二区国产| 久久精品国产亚洲av涩爱| 欧美人与善性xxx| 亚洲在线自拍视频| 国产久久久一区二区三区| 男人的好看免费观看在线视频| 3wmmmm亚洲av在线观看| 蜜臀久久99精品久久宅男| av天堂中文字幕网| 免费看光身美女| 天堂网av新在线| 久久99热6这里只有精品| 一二三四中文在线观看免费高清| 五月玫瑰六月丁香| 国产av在哪里看| 日本黄色视频三级网站网址| 欧美高清成人免费视频www| 国产成人a区在线观看| 亚洲美女搞黄在线观看| 秋霞在线观看毛片| 日韩av在线大香蕉| 久久久精品94久久精品| 七月丁香在线播放| 日韩大片免费观看网站 | 久久国产乱子免费精品| 精品熟女少妇av免费看| 白带黄色成豆腐渣| 国产免费男女视频| 国产探花在线观看一区二区| 高清毛片免费看| 干丝袜人妻中文字幕| 最近的中文字幕免费完整| 插阴视频在线观看视频| 国产视频首页在线观看| 亚洲av福利一区| 国产私拍福利视频在线观看| 久久精品国产自在天天线| 亚洲真实伦在线观看| 精品人妻偷拍中文字幕| 亚洲中文字幕日韩| 成人亚洲欧美一区二区av| 国产黄片美女视频| 九草在线视频观看| 久久久久久久久久成人| 国产伦一二天堂av在线观看| a级一级毛片免费在线观看| 大又大粗又爽又黄少妇毛片口| 亚洲av成人精品一区久久| 国产精品永久免费网站| 高清在线视频一区二区三区 | av黄色大香蕉| 午夜精品在线福利| 一边摸一边抽搐一进一小说| 一个人观看的视频www高清免费观看| 免费搜索国产男女视频| 国产黄色小视频在线观看| 岛国在线免费视频观看| 一二三四中文在线观看免费高清| 毛片女人毛片| 99久久无色码亚洲精品果冻| 亚洲婷婷狠狠爱综合网| 少妇猛男粗大的猛烈进出视频 | 国产视频内射| 少妇熟女欧美另类| 在线免费观看不下载黄p国产| 一级黄片播放器| 一级黄片播放器| 最近的中文字幕免费完整| 51国产日韩欧美| 色视频www国产| 久热久热在线精品观看| 干丝袜人妻中文字幕| 亚洲欧美精品综合久久99| 99久国产av精品| 欧美另类亚洲清纯唯美| 成年av动漫网址| 日本三级黄在线观看| 亚洲图色成人| 国产精品永久免费网站| 丝袜喷水一区| 国产免费又黄又爽又色| 联通29元200g的流量卡| 午夜视频国产福利| 欧美变态另类bdsm刘玥| 成人午夜精彩视频在线观看| 老女人水多毛片| 最近视频中文字幕2019在线8| 一本一本综合久久| 亚洲最大成人手机在线| 精品99又大又爽又粗少妇毛片| 最近手机中文字幕大全| 乱人视频在线观看| 最近视频中文字幕2019在线8| 有码 亚洲区| 在线观看美女被高潮喷水网站| 国产男人的电影天堂91| 七月丁香在线播放| 国产精品,欧美在线| 高清日韩中文字幕在线| 男女下面进入的视频免费午夜| 2022亚洲国产成人精品| 日本五十路高清| 日韩精品青青久久久久久| 午夜福利在线在线| av播播在线观看一区| 国产三级在线视频| 亚洲av中文av极速乱| 亚洲av中文av极速乱| 国产三级中文精品| 91aial.com中文字幕在线观看| 国产三级在线视频| 91av网一区二区| 26uuu在线亚洲综合色| www.色视频.com| 国产成人精品婷婷| 大香蕉97超碰在线| 日韩高清综合在线| 国产亚洲精品久久久com| 日本欧美国产在线视频| 国产视频内射| 国产大屁股一区二区在线视频| 看免费成人av毛片| 边亲边吃奶的免费视频| 国产精品国产三级专区第一集| 欧美bdsm另类| 亚洲自偷自拍三级| 久久精品综合一区二区三区| 日本av手机在线免费观看| 六月丁香七月| 美女cb高潮喷水在线观看| 日韩一区二区三区影片| 久久精品国产亚洲av天美| 亚洲人成网站高清观看| 波多野结衣巨乳人妻| 国产精品国产高清国产av| 国产极品精品免费视频能看的| 亚洲精品自拍成人| www日本黄色视频网| 国产欧美另类精品又又久久亚洲欧美| 亚洲最大成人av| 亚洲国产精品成人综合色| 国内精品宾馆在线| 又爽又黄无遮挡网站| 天堂影院成人在线观看| 美女被艹到高潮喷水动态| 熟妇人妻久久中文字幕3abv| 美女脱内裤让男人舔精品视频| 成人毛片a级毛片在线播放| 国产一区二区在线观看日韩| 成人国产av品久久久| 91精品三级在线观看| 国产熟女欧美一区二区| 欧美亚洲 丝袜 人妻 在线| 成人国产麻豆网| 97在线视频观看| 丝袜美足系列| 久久人人爽人人片av| 亚洲少妇的诱惑av| 国产毛片在线视频| 免费观看av网站的网址| 制服诱惑二区| 大码成人一级视频| 亚洲,一卡二卡三卡| 国产精品嫩草影院av在线观看| 国产成人欧美| h视频一区二区三区| 亚洲av电影在线进入| 汤姆久久久久久久影院中文字幕| 极品人妻少妇av视频| 男女高潮啪啪啪动态图| 热re99久久国产66热| 51国产日韩欧美| 丝瓜视频免费看黄片| 国产精品不卡视频一区二区| 肉色欧美久久久久久久蜜桃| 午夜av观看不卡| 亚洲内射少妇av| 国产成人a∨麻豆精品| 又黄又粗又硬又大视频| 飞空精品影院首页| 国产av一区二区精品久久| 90打野战视频偷拍视频| 日本av免费视频播放| xxx大片免费视频| av国产精品久久久久影院| 欧美精品国产亚洲| 一区二区三区精品91| 色婷婷av一区二区三区视频| 亚洲国产精品一区三区| 又黄又粗又硬又大视频| 丰满饥渴人妻一区二区三| 免费人成在线观看视频色| 亚洲精品国产av蜜桃| 国产色爽女视频免费观看| 精品人妻熟女毛片av久久网站| 大话2 男鬼变身卡| av免费观看日本| 七月丁香在线播放| 大片电影免费在线观看免费| 欧美日韩视频高清一区二区三区二| 夜夜骑夜夜射夜夜干| 美女视频免费永久观看网站| 国产淫语在线视频| 大陆偷拍与自拍| 亚洲色图 男人天堂 中文字幕 | 狂野欧美激情性xxxx在线观看| 午夜老司机福利剧场| 久久99热6这里只有精品| 国产精品久久久av美女十八| 亚洲国产日韩一区二区| 亚洲精品乱码久久久久久按摩| 国产国拍精品亚洲av在线观看| 久久久久久久精品精品| 婷婷色综合www| 看非洲黑人一级黄片| 国产精品久久久久成人av| 亚洲精品成人av观看孕妇| 高清毛片免费看| 赤兔流量卡办理| 免费观看av网站的网址| 一区在线观看完整版| 国产成人精品婷婷| 少妇猛男粗大的猛烈进出视频| 亚洲精品第二区| 日本欧美视频一区| 青春草视频在线免费观看| 亚洲av电影在线进入| av在线观看视频网站免费| av免费在线看不卡| 久久久精品94久久精品| 一区二区三区乱码不卡18| 婷婷色av中文字幕| 久久久久精品人妻al黑| 国产黄色免费在线视频| 成人国语在线视频| av国产精品久久久久影院| 国产精品国产三级国产专区5o| 亚洲第一av免费看| 久久久久久久久久人人人人人人| av在线观看视频网站免费| 色婷婷av一区二区三区视频| 看免费av毛片| 欧美3d第一页| 少妇的逼水好多| 亚洲欧美一区二区三区黑人 | 亚洲少妇的诱惑av| 国产日韩欧美在线精品| 久久精品人人爽人人爽视色| 免费人妻精品一区二区三区视频| 午夜激情久久久久久久| 精品国产国语对白av| 亚洲成人一二三区av| 日韩在线高清观看一区二区三区| 久久久久久久久久久久大奶| 日韩中文字幕视频在线看片| 大片免费播放器 马上看| 亚洲精品中文字幕在线视频| 午夜免费男女啪啪视频观看| 亚洲欧美一区二区三区黑人 | 蜜臀久久99精品久久宅男| 日本猛色少妇xxxxx猛交久久| 中文字幕精品免费在线观看视频 | 精品人妻偷拍中文字幕| 少妇的丰满在线观看| 一本大道久久a久久精品| 国产亚洲精品第一综合不卡 | 亚洲欧洲精品一区二区精品久久久 | 中国三级夫妇交换| 国产免费一区二区三区四区乱码| 日韩制服丝袜自拍偷拍| 国产精品一区二区在线观看99| 又大又黄又爽视频免费| 啦啦啦视频在线资源免费观看| 丰满饥渴人妻一区二区三| 亚洲,欧美精品.| 男女啪啪激烈高潮av片| 97在线视频观看| a 毛片基地| 热99久久久久精品小说推荐| 亚洲一区二区三区欧美精品| av一本久久久久| 国产精品国产三级国产专区5o| 免费人成在线观看视频色| 中文天堂在线官网| 一边亲一边摸免费视频| 美国免费a级毛片| 免费少妇av软件| 免费观看av网站的网址| 大码成人一级视频| 亚洲av免费高清在线观看| 久久这里有精品视频免费| 你懂的网址亚洲精品在线观看| 一本色道久久久久久精品综合| 国产精品久久久久久av不卡| 内地一区二区视频在线| 99国产综合亚洲精品| 五月玫瑰六月丁香| 九色亚洲精品在线播放| 久久久久久久久久人人人人人人| 久久这里只有精品19| 我要看黄色一级片免费的| 丝袜喷水一区| 久久久久久久久久久久大奶| 狂野欧美激情性xxxx在线观看| 秋霞在线观看毛片| 深夜精品福利| 看非洲黑人一级黄片| 亚洲婷婷狠狠爱综合网| 亚洲第一av免费看| 91午夜精品亚洲一区二区三区| 成人影院久久| 国产精品久久久久久精品古装| 黄色配什么色好看| 国产国语露脸激情在线看| 毛片一级片免费看久久久久| 黑人巨大精品欧美一区二区蜜桃 | 亚洲av电影在线观看一区二区三区| 国产亚洲一区二区精品| 久久精品国产亚洲av涩爱| 一区二区av电影网| 一本大道久久a久久精品| 成人综合一区亚洲| 日韩av在线免费看完整版不卡| 久久99热这里只频精品6学生| 丝瓜视频免费看黄片| 大话2 男鬼变身卡| 18禁在线无遮挡免费观看视频| 宅男免费午夜| 久久久久久伊人网av| 啦啦啦啦在线视频资源| 岛国毛片在线播放| 啦啦啦视频在线资源免费观看| 狠狠婷婷综合久久久久久88av| 午夜福利,免费看| 国产爽快片一区二区三区| a级毛片黄视频| 水蜜桃什么品种好| 久久人人爽人人片av| 久久久久久久亚洲中文字幕| 欧美精品一区二区大全| 在线观看国产h片| 亚洲精品456在线播放app| 日韩,欧美,国产一区二区三区| 搡女人真爽免费视频火全软件| 国语对白做爰xxxⅹ性视频网站| 国产免费又黄又爽又色| 亚洲精品视频女| 亚洲av电影在线观看一区二区三区| 亚洲精品国产av蜜桃| 你懂的网址亚洲精品在线观看| 欧美另类一区| 女人被躁到高潮嗷嗷叫费观| 99精国产麻豆久久婷婷| 日韩大片免费观看网站| 热99国产精品久久久久久7| 精品国产一区二区三区四区第35| 22中文网久久字幕| 日本vs欧美在线观看视频| 亚洲精品国产av成人精品| 亚洲精品久久成人aⅴ小说| 最新的欧美精品一区二区| av天堂久久9| 丝瓜视频免费看黄片| 欧美精品一区二区大全| 看免费av毛片| 巨乳人妻的诱惑在线观看| 亚洲熟女精品中文字幕| 国产黄频视频在线观看| 日韩av免费高清视频| 18禁动态无遮挡网站| 久久人妻熟女aⅴ| 综合色丁香网| 国产日韩欧美在线精品| 哪个播放器可以免费观看大片| 欧美国产精品va在线观看不卡| 国产精品不卡视频一区二区| 精品国产一区二区久久| av女优亚洲男人天堂| 国产精品.久久久| 一级毛片电影观看| 日日啪夜夜爽| 国产精品国产三级专区第一集| 最近手机中文字幕大全| 亚洲精品美女久久久久99蜜臀 | 全区人妻精品视频| 成人18禁高潮啪啪吃奶动态图| 高清在线视频一区二区三区| 日产精品乱码卡一卡2卡三| 久久精品国产综合久久久 | 久久精品国产自在天天线| 国产黄色视频一区二区在线观看| 国产一区二区激情短视频 | 国产亚洲一区二区精品| 黑丝袜美女国产一区| 搡老乐熟女国产| 91成人精品电影| 91国产中文字幕| 又黄又粗又硬又大视频| 色5月婷婷丁香| 国产成人91sexporn| 人妻系列 视频| 你懂的网址亚洲精品在线观看| 人人澡人人妻人| 成年动漫av网址| 久久久久精品久久久久真实原创| 狂野欧美激情性bbbbbb| 亚洲人成77777在线视频| 中文字幕最新亚洲高清| 免费黄频网站在线观看国产| 日本午夜av视频| 欧美人与性动交α欧美软件 | 十分钟在线观看高清视频www| 啦啦啦啦在线视频资源| 寂寞人妻少妇视频99o| 国产1区2区3区精品| 一级毛片电影观看| 18禁动态无遮挡网站| 国产永久视频网站| 91精品伊人久久大香线蕉| 亚洲性久久影院| 一级a做视频免费观看| 亚洲少妇的诱惑av| av免费观看日本| 亚洲五月色婷婷综合| 亚洲国产精品一区二区三区在线| 亚洲精品av麻豆狂野| 久久久欧美国产精品| 亚洲国产欧美在线一区| 亚洲图色成人| 国产熟女午夜一区二区三区| 一二三四在线观看免费中文在 | 天天操日日干夜夜撸| 亚洲成人手机| 97超碰精品成人国产| 亚洲国产精品国产精品| 国产精品久久久av美女十八| 亚洲成国产人片在线观看| 精品亚洲成a人片在线观看| 国产一区二区在线观看日韩| 欧美3d第一页| 久久99蜜桃精品久久| 人妻少妇偷人精品九色| 黄色一级大片看看| 激情五月婷婷亚洲| 国产成人精品一,二区| 精品国产一区二区久久| 亚洲成人一二三区av| 日韩人妻精品一区2区三区| 欧美人与性动交α欧美软件 | 亚洲熟女精品中文字幕| 51国产日韩欧美| a级毛片在线看网站| 老司机影院成人| 大陆偷拍与自拍| 18禁在线无遮挡免费观看视频| 国产成人精品福利久久| 国产综合精华液| 尾随美女入室| 狂野欧美激情性xxxx在线观看| 久久精品aⅴ一区二区三区四区 | 18+在线观看网站| 亚洲国产欧美在线一区| 亚洲国产毛片av蜜桃av| 99久久中文字幕三级久久日本| 高清在线视频一区二区三区| 精品久久久久久电影网| 亚洲精品国产av蜜桃| 欧美人与性动交α欧美精品济南到 | 亚洲性久久影院| 国产亚洲午夜精品一区二区久久| 国产免费又黄又爽又色| 最近最新中文字幕免费大全7| 国产深夜福利视频在线观看| 波多野结衣一区麻豆| 国产精品久久久久久久久免| 国产一区二区三区av在线| 在线观看www视频免费| 亚洲美女黄色视频免费看| 欧美3d第一页| 亚洲熟女精品中文字幕| 久久99热6这里只有精品| av在线观看视频网站免费| 激情视频va一区二区三区| 亚洲精品,欧美精品| 97精品久久久久久久久久精品| 国产免费福利视频在线观看| av电影中文网址| 日本免费在线观看一区| 在现免费观看毛片|