• <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 ?

    基于大數(shù)據(jù)的互聯(lián)網(wǎng)異常流量檢測研究

    2018-05-14 08:55李寧
    關(guān)鍵詞:支持向量機(jī)云計(jì)算大數(shù)據(jù)

    李寧

    摘要:為了提高網(wǎng)絡(luò)異常流量檢測結(jié)果的準(zhǔn)確性,研究基于大數(shù)據(jù)分析的網(wǎng)絡(luò)異常流量檢測方法,并運(yùn)用Matlab軟件對其進(jìn)行驗(yàn)證,采用支持向量機(jī)算法來建立云計(jì)算平臺中的網(wǎng)絡(luò)流量檢測模型,運(yùn)用現(xiàn)有的數(shù)據(jù)樣本對建立的檢測模型進(jìn)行訓(xùn)練,增強(qiáng)其泛化能力。實(shí)驗(yàn)結(jié)果表明,基于大數(shù)據(jù)的網(wǎng)絡(luò)異常流量檢測模型能夠提高檢測準(zhǔn)確率28.3%,而耗時(shí)僅為常規(guī)單機(jī)網(wǎng)絡(luò)異常流量檢測方法的12.6%。

    關(guān)鍵詞:大數(shù)據(jù);異常流量檢測;云計(jì)算;支持向量機(jī)

    中圖分類號:TP393文獻(xiàn)標(biāo)志碼:A

    文章編號:2095-5383(2018)04-0034-05

    隨著互聯(lián)網(wǎng)與人們的生活越發(fā)緊密,網(wǎng)絡(luò)異常事件也越發(fā)頻繁,對網(wǎng)絡(luò)的質(zhì)量和可靠性提出了直接而嚴(yán)重的挑戰(zhàn)。如能在短時(shí)間內(nèi)發(fā)現(xiàn)網(wǎng)絡(luò)異常事件,就可高效應(yīng)對并提高網(wǎng)絡(luò)通信的安全性。一方面,為保證網(wǎng)絡(luò)的相對安全,網(wǎng)絡(luò)供應(yīng)商和用戶簽署了不少的通信協(xié)議,但這些協(xié)議漏洞較多,此外,網(wǎng)絡(luò)主流產(chǎn)品存在不完善之處、操作員對管轄內(nèi)的主機(jī)存在疏于管理、木馬病毒等問題,都會對網(wǎng)絡(luò)安全提出挑戰(zhàn)。另一方面,隨著網(wǎng)絡(luò)在人類生活中的普及,網(wǎng)絡(luò)數(shù)據(jù)海量劇增,各種應(yīng)用App越發(fā)多樣,通信數(shù)據(jù)逐日劇增,如何確保企業(yè)信息的安全和對異常流量的監(jiān)測已成為當(dāng)代企業(yè)發(fā)展的一大難題。所以,對海量的數(shù)據(jù)流量進(jìn)行監(jiān)測,已成為當(dāng)前互聯(lián)網(wǎng)行業(yè)的核心挑戰(zhàn)難題[1-2]。

    網(wǎng)絡(luò)流量異常檢測問題可簡化認(rèn)定為流量分類問題,即對一個(gè)流量狀態(tài)判別為正常流量或異常流量兩種。當(dāng)檢測結(jié)果為異常流量時(shí),系統(tǒng)就會采取相應(yīng)的防范動作;反之,就不用進(jìn)行處理。目前流量檢測模型主要是以統(tǒng)計(jì)學(xué)理論為基礎(chǔ)發(fā)展而來的,檢測模型的建立方法與檢測結(jié)果的準(zhǔn)確性息息相關(guān),現(xiàn)有的建模方法主要有神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種。當(dāng)采用神經(jīng)網(wǎng)絡(luò)方法來對檢測模型進(jìn)行建模時(shí)有一個(gè)檢測前提,即檢測樣本數(shù)必須達(dá)到一定數(shù)量才能保證其檢測結(jié)果的準(zhǔn)確性,反之檢測結(jié)果會存在誤差。由于在實(shí)際應(yīng)用時(shí),檢測樣本數(shù)量是隨機(jī)的,并且還存在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難以確定的問題,故采用神經(jīng)網(wǎng)絡(luò)方法來對流量異常檢測存在一定限制。相比之下,支持向量機(jī)就沒有這么多的限制,因其更具強(qiáng)大學(xué)習(xí)能力,故流量異常檢測常運(yùn)用支持向量機(jī)來建立檢測模型。然而隨著數(shù)據(jù)規(guī)模的增大,支持向量機(jī)在保證檢測精度的前提下,耗費(fèi)的時(shí)間越來越長,不足以滿足使用要求。隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展,云平臺處理數(shù)據(jù)能力也越發(fā)全面,尤其在解決大規(guī)模網(wǎng)絡(luò)流量異常監(jiān)測問題時(shí)更為突出,它可以將一個(gè)大的問題劃分為多個(gè)小問題,然后基于Hadoop平臺對這些小問題分散解決,并對這些分散結(jié)果進(jìn)行匯總,得到最終的網(wǎng)絡(luò)流量監(jiān)測結(jié)果[3-4]。

    為了保證檢測結(jié)果的準(zhǔn)確性,本文研究一種基于大數(shù)據(jù)分析的網(wǎng)絡(luò)異常流量檢測方法,并運(yùn)用Matlab軟件對其進(jìn)行驗(yàn)證,仿真結(jié)果表明,本文設(shè)計(jì)的檢測模型應(yīng)用效果良好,優(yōu)于對比模型。

    1網(wǎng)絡(luò)異常流量分析及數(shù)據(jù)特征提取

    本文以影響網(wǎng)絡(luò)安全的網(wǎng)絡(luò)異常流量的檢測為主要研究內(nèi)容,核心任務(wù)是對入侵事件等網(wǎng)絡(luò)異常流量進(jìn)行識別分類。運(yùn)用現(xiàn)有的數(shù)據(jù)樣本對建立的檢測模型進(jìn)行訓(xùn)練,增強(qiáng)其泛化能力。然后運(yùn)用現(xiàn)有的數(shù)據(jù)樣本對訓(xùn)練后的識別分析模型做檢驗(yàn),驗(yàn)證其識別效果。

    本文研究的異常流量類型主要分為4種:DOS攻擊類型、U2R攻擊類型、R2L攻擊類型以及Probing攻擊類型。要想從海量數(shù)據(jù)中精準(zhǔn)識別影響網(wǎng)絡(luò)安全的異常流量,需要對所有數(shù)據(jù)特征進(jìn)行提取、分析、驗(yàn)證等步驟來對入侵事件進(jìn)行識別和分類。本文應(yīng)用15種入侵事件的特征數(shù)據(jù)[5]:

    1)持續(xù)工作時(shí)間:service_continuance;2)離散的不間斷協(xié)議:continued_protocol;3)離散的工作種類:type_service;4)離散的常規(guī)行為或入侵事件:regular or assault;5)離散的接點(diǎn)狀態(tài):connection_state;6)不間斷的分片事故總數(shù):error_num_fragmentation;7)不間斷的失敗登陸記錄總數(shù):num_failed_attempts;8)不間斷的由數(shù)據(jù)源到目標(biāo)的數(shù)據(jù)比特?cái)?shù):src_dst_bytes;9)不間斷的目前和過去2 s時(shí)間段內(nèi)相同目標(biāo)地址的銜接總數(shù):same_dst_count;10)不間斷的目前和過去2 s時(shí)間段內(nèi)相同工作類型的銜接總數(shù):same_service_count;11)不間斷的目前和過去2 s時(shí)間段內(nèi)相同目標(biāo)地址中錯誤SYN銜接占比:syn_error_proportion;12) 不間斷的目前和過去2 s時(shí)間段內(nèi)相同工作類型中錯誤SYN銜接占比:srv_error_proportion;13) 不間斷的目前和過去2 s時(shí)間段內(nèi)相同工作類型中不同目標(biāo)地址銜接的占比:dst_diff_host_proportion;14)不間斷的前100個(gè)銜接中與目前地址和服務(wù)均相同的銜接的占比:service_host_same_srv_proportion;15)持續(xù)的創(chuàng)建新文件個(gè)數(shù):num_file_operations。

    2大數(shù)據(jù)分析模型

    2.1基于Hadoop的大數(shù)據(jù)分析系統(tǒng)框架

    隨著待處理數(shù)據(jù)規(guī)模的劇增,計(jì)算硬件系統(tǒng)的發(fā)展已滿足不了應(yīng)用要求,單臺計(jì)算機(jī)處理數(shù)據(jù)速度過于緩慢,效率低下,故云計(jì)算系統(tǒng)應(yīng)運(yùn)而生。在該系統(tǒng)中,以Hadoop作為平臺基礎(chǔ),以Map/Reduce操作作為工具來對數(shù)據(jù)進(jìn)行分布式處理,提高計(jì)算效率。Hadoop工作原理如圖 1 所示[6]。

    基于Hadoop平臺對網(wǎng)絡(luò)異常流量進(jìn)行識別操作流程如下:

    1)操作人員向Hadoop平臺提交網(wǎng)絡(luò)流量檢測請求:首先使用Job Client指令從Job Tracker中獲得網(wǎng)絡(luò)流量檢測作業(yè)地址。然后工程JAR包開始運(yùn)行,使用Job Client指令把程序可識別的網(wǎng)絡(luò)流量特征數(shù)據(jù)和一些相關(guān)數(shù)據(jù)文件Copy到HDFS中。最后通過Job Client指令把上述作業(yè)發(fā)送至Job Tracker中,Job Tracker再對數(shù)據(jù)信息執(zhí)行檢查動作,并從HDFS中獲取作業(yè)分類情況,為后面的執(zhí)行動作做準(zhǔn)備。

    2)分配及初始化作業(yè)任務(wù):Job Tracker模塊在收到作業(yè)任務(wù)后會立即執(zhí)行任務(wù)初始化操作,并且會對獲取的任務(wù)進(jìn)行隊(duì)列排布。在Hadoop平臺中運(yùn)用作業(yè)調(diào)度器可實(shí)現(xiàn)對該任務(wù)的調(diào)度動作。通過對Task Tracker心跳情況進(jìn)行分析,Job Tracker模塊會依據(jù)分析結(jié)果對在各節(jié)點(diǎn)上進(jìn)行任務(wù)布置,因?yàn)樵贒ataNode模塊上也會放置一些特征數(shù)據(jù),故在MapTask動作的執(zhí)行過程中,Job Tracker可以直接獲取輸入數(shù)據(jù),減少網(wǎng)絡(luò)損耗[7]。

    3)作業(yè)任務(wù)Map動作過程:在任務(wù)分配完成之后,就進(jìn)入Map階段,該階段所需的數(shù)據(jù)及JAR文件都可從HDFS中提取,并且會在本地磁盤中進(jìn)行儲存。對JAR文件和數(shù)據(jù)加載動作的實(shí)現(xiàn)是依靠對計(jì)算機(jī)Java虛擬機(jī)的執(zhí)行,此時(shí)Task Tracker就會收到數(shù)據(jù)塊,開始對作業(yè)任務(wù)進(jìn)行處理。在Map動作過程中,需要對文件庫中的網(wǎng)絡(luò)流量特征和輸入網(wǎng)絡(luò)流量特征兩者間進(jìn)行測試,之后將文件庫中的網(wǎng)絡(luò)流量類別和距離測試的結(jié)果作為最終輸出結(jié)果的鍵值對進(jìn)行輸出,Map動作的最終結(jié)果會在本地計(jì)算機(jī)磁盤中存儲。

    4)作業(yè)任務(wù)Reduce動作過程:系統(tǒng)在獲得Map動作階段的計(jì)算結(jié)果后,就開始執(zhí)行Reduce動作,對網(wǎng)絡(luò)流量進(jìn)行分類。MapReduce動作的分類標(biāo)準(zhǔn)是依照上一階段計(jì)算得到的鍵值對,當(dāng)中間結(jié)果鍵值相同時(shí)就會將與之相對應(yīng)的網(wǎng)絡(luò)流量特征向量進(jìn)行整理與合并,之后通過ReduceTask模塊對合并結(jié)果再次進(jìn)行整理。ReduceTask模塊可以對MapTask的輸出結(jié)果進(jìn)行排序,排序后得到的網(wǎng)絡(luò)流量分類結(jié)果會在HDFS模塊中進(jìn)行存儲。

    5)結(jié)束網(wǎng)絡(luò)流量分類動作:在Reduce動作完成之后,JobTracker會對任務(wù)狀態(tài)進(jìn)行判斷,在確定任務(wù)完成后會執(zhí)行相應(yīng)動作,并且操作者也可以通過JobTracker模塊來獲取任務(wù)運(yùn)行的結(jié)果參數(shù)。最后系統(tǒng)會通過JobTracker模塊清空當(dāng)前作業(yè)狀態(tài),刪除Map動作產(chǎn)生的相應(yīng)中間數(shù)據(jù),操作者可以通過HDFS模塊進(jìn)行結(jié)果數(shù)據(jù)查看[8]。

    2.2分類器模型建立

    BP神經(jīng)網(wǎng)絡(luò)可用于建立網(wǎng)絡(luò)流量檢測模型。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)流量進(jìn)行識別時(shí)需要經(jīng)過大量的矩陣運(yùn)算,盡管MapReduce平臺具有高效計(jì)算優(yōu)勢,但是由于神經(jīng)網(wǎng)絡(luò)自身結(jié)構(gòu)原因,最優(yōu)參數(shù)結(jié)果的獲得需要多次反復(fù)的計(jì)算優(yōu)化才能獲得,這就制約了該算法在MapReduce平臺的應(yīng)用,由于MapReduce平臺單次不能實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)計(jì)算任務(wù),需要多次循環(huán)多練優(yōu)化操作,所以采用BP神經(jīng)網(wǎng)絡(luò)算法在MapReduce平臺建立的網(wǎng)絡(luò)流量檢測模型不但不會縮減計(jì)算時(shí)間,更有可能加長計(jì)算時(shí)間,故該類算法不適用于MapReduce模型。

    所以本文采用支持向量機(jī)算法來建立云計(jì)算平臺中的網(wǎng)絡(luò)流量檢測模型。支持向量機(jī)是一種用于機(jī)器學(xué)習(xí)的方法,它是以統(tǒng)計(jì)學(xué)習(xí)理論作為基礎(chǔ),通過尋找結(jié)構(gòu)化風(fēng)險(xiǎn)最小為途徑來增強(qiáng)其學(xué)習(xí)能力,以此來達(dá)到經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍最小的目的。正是基于這種能力,該算法才可以實(shí)現(xiàn)從少數(shù)量樣本中,獲得最優(yōu)統(tǒng)計(jì)規(guī)律,即尋求出正、負(fù)分類的最大間隔。

    目前采用支持向量機(jī)算法來建立的網(wǎng)絡(luò)異常流量檢測模型通常是由單臺計(jì)算機(jī)獨(dú)立完成的,對計(jì)算機(jī)硬件系統(tǒng)要求較高?,F(xiàn)在云計(jì)算Hadoop平臺為采用支持向量機(jī)算法建立網(wǎng)絡(luò)異常流量檢測模型提供了便捷,能夠充分發(fā)揮MapReduce模型的高效率計(jì)算特征,詳細(xì)過程如圖2所示。

    MapReduce模型中整體支持向量AllSVs的獲得是通過Map和Reduce兩步操作。通過Map操作獲得訓(xùn)練數(shù)據(jù)支持向量SVs;通過Reduce操作對SVs進(jìn)行收集,進(jìn)而建立整體的AllSVs模塊。實(shí)際測試操作流程首先運(yùn)用Map操作來對各測試數(shù)據(jù)子集進(jìn)行計(jì)算,進(jìn)而獲得各分量結(jié)果Rs,然后運(yùn)用Reduce操作對各分量結(jié)果Rs進(jìn)行統(tǒng)計(jì),獲得最終的識別結(jié)果[11]。

    3網(wǎng)絡(luò)異常流量檢測分析實(shí)例

    3.1實(shí)驗(yàn)平臺搭建

    使用KDD CUP99數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)異常流量檢測分析。選取包括DOS 攻擊、R2L 攻擊、U2R攻擊、Probing 攻擊四類異常流量數(shù)據(jù)以及正常流量數(shù)據(jù)在內(nèi)的10 000條數(shù)據(jù)用于檢測分析。建立4組實(shí)驗(yàn)樣本,各個(gè)實(shí)驗(yàn)樣本中各類型流量的數(shù)據(jù)數(shù)量如表2所示。

    為了對所有網(wǎng)絡(luò)流量檢測的識別方法做出宏觀評價(jià),一般采用反饋率(recall)和準(zhǔn)確率(precision)這兩個(gè)參數(shù)來衡量檢測方法的好壞。

    其中:TP為已經(jīng)準(zhǔn)確識別動作A特征的樣本數(shù)量;FN為沒有識別動作A特征的樣本數(shù)量;FP為被錯誤識別動作A特征的樣本數(shù)量。

    3.2檢測系統(tǒng)測試分析

    使用單機(jī)平臺下SVM算法建立的網(wǎng)絡(luò)異常檢測模型和本文研究大數(shù)據(jù)分析平臺下的網(wǎng)絡(luò)異常檢測模型進(jìn)行對比分析,各個(gè)實(shí)驗(yàn)樣本下的檢測準(zhǔn)確率對比如圖3所示。

    各實(shí)驗(yàn)樣本的檢測準(zhǔn)確率對比表明,本文研究的檢測模型的平均識別率為68.5%,使用單機(jī)平臺下SVM算法建立的網(wǎng)絡(luò)異常檢測模型的平均識別率為40.2%,本文研究的基于大數(shù)據(jù)的網(wǎng)絡(luò)異常流量檢測模型能夠提高28.3%的檢測準(zhǔn)確率。

    在當(dāng)前大數(shù)據(jù)環(huán)境下,檢測模型不僅要滿足日益增長的對準(zhǔn)確率的要求,同時(shí)還要滿足一定的檢測實(shí)時(shí)性。通過多次實(shí)驗(yàn)對比使用本文提出的網(wǎng)絡(luò)異常流量檢測方法和常規(guī)的單機(jī)網(wǎng)絡(luò)異常流量檢測方法進(jìn)行檢測的耗時(shí)對比,如圖4所示。

    耗時(shí)對比顯示,使用本文提出的網(wǎng)絡(luò)異常流量檢測耗時(shí)僅為常規(guī)單機(jī)網(wǎng)絡(luò)異常流量檢測的12.6%,說明本文提出的檢測方法具有更好的實(shí)時(shí)性。

    4結(jié)論

    1)為了保證檢測結(jié)果的準(zhǔn)確性,本文研究基于大數(shù)據(jù)分析的網(wǎng)絡(luò)異常流量檢測方法,并運(yùn)用Matlab軟件對其進(jìn)行驗(yàn)證。

    2)本文研究的基于大數(shù)據(jù)的網(wǎng)絡(luò)異常流量檢測模型能夠提高28.3%的檢測準(zhǔn)確率。

    3) 使用本文提出的網(wǎng)絡(luò)異常流量檢測方法的檢測耗時(shí)僅為常規(guī)單機(jī)網(wǎng)絡(luò)異常流量檢測方法的12.6%,說明本文提出的檢測方法相比常規(guī)方法具有更好的實(shí)時(shí)性。

    參考文獻(xiàn):[1]陳勝,朱國勝,祁小云,等.基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)異常流量檢測研究[J].信息通信,2017(12):3942.

    [2]張楠,李洪敏,盧敏,等.網(wǎng)絡(luò)異常流量檢測方法[J].兵工自動化,2016,35(9):6669.

    [3]張曉艷.基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)異常流量檢測方法[J].現(xiàn)代電子技術(shù),2015,38(23):7679.

    [4]李洪洋.淺析網(wǎng)絡(luò)異常流量分析檢測研究與實(shí)現(xiàn)[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2013(10):6364.

    [5]宋玲, 常磊.變異粒子群優(yōu)化的 BP 神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用[J].智能系統(tǒng)學(xué)報(bào), 2013(6):558563.

    [6]蒲曉川.大數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)流量異常檢測研究[J].現(xiàn)代電子技術(shù),2018,41(3):8487.

    [7]陳洪.基于云計(jì)算的大規(guī)模圖像檢索后臺處理系統(tǒng)實(shí)現(xiàn)[D].成都:西南交通大學(xué),2013.

    [8]梁世磊.基于Hadoop平臺的隨機(jī)森林算法研究及圖像分類系統(tǒng)實(shí)現(xiàn)[D].廈門:廈門大學(xué),2014.

    [9]張水波,康飛,李祥飛.基于支持向量機(jī)的建設(shè)工程項(xiàng)目經(jīng)理勝任力評價(jià)[J].中國軟科學(xué),2013(11):8390.

    [10]劉治翔,謝春雪,毛君,等.空心陰極真空電弧焊接的引弧機(jī)理及參數(shù)優(yōu)化[J].振動.測試與診斷,2018,38(3):614618.

    [11]朱啟敏.基于云計(jì)算平臺的神經(jīng)網(wǎng)絡(luò)計(jì)算方法及其應(yīng)用研究[D].廣州:華南理工大學(xué),2014.

    猜你喜歡
    支持向量機(jī)云計(jì)算大數(shù)據(jù)
    動態(tài)場景中的視覺目標(biāo)識別方法分析
    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測
    基于云計(jì)算的移動學(xué)習(xí)平臺的設(shè)計(jì)
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    實(shí)驗(yàn)云:理論教學(xué)與實(shí)驗(yàn)教學(xué)深度融合的助推器
    云計(jì)算中的存儲虛擬化技術(shù)應(yīng)用
    基于大數(shù)據(jù)背景下的智慧城市建設(shè)研究
    性插视频无遮挡在线免费观看| 高清av免费在线| 日韩成人av中文字幕在线观看| 性插视频无遮挡在线免费观看| 国产美女午夜福利| 老师上课跳d突然被开到最大视频| 中文字幕av在线有码专区| 黄色日韩在线| 91久久精品电影网| 看非洲黑人一级黄片| 精品午夜福利在线看| 亚洲欧美日韩卡通动漫| 色视频www国产| 国产欧美日韩精品一区二区| 精品熟女少妇av免费看| 国产成人免费观看mmmm| 日本av手机在线免费观看| 精品久久久久久久末码| 国产老妇伦熟女老妇高清| 欧美日韩亚洲高清精品| 免费黄频网站在线观看国产| 国产伦一二天堂av在线观看| 国产精品无大码| 淫秽高清视频在线观看| 久99久视频精品免费| 成人美女网站在线观看视频| 身体一侧抽搐| 久久久久久久久久黄片| 精品一区二区三区视频在线| av专区在线播放| 午夜福利在线观看免费完整高清在| 亚洲美女视频黄频| 日日摸夜夜添夜夜爱| 天堂俺去俺来也www色官网 | 你懂的网址亚洲精品在线观看| 亚洲欧洲国产日韩| 能在线免费看毛片的网站| 高清毛片免费看| 国产一区二区三区综合在线观看 | 亚洲欧美精品自产自拍| 国产成人福利小说| 国产精品美女特级片免费视频播放器| 日韩电影二区| 婷婷色麻豆天堂久久| 26uuu在线亚洲综合色| 亚洲美女视频黄频| 五月伊人婷婷丁香| 久久久久精品久久久久真实原创| av播播在线观看一区| 天天躁夜夜躁狠狠久久av| 国产老妇女一区| 亚洲欧美一区二区三区黑人 | 日本黄大片高清| 久久久午夜欧美精品| 国产精品无大码| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 婷婷六月久久综合丁香| 午夜亚洲福利在线播放| 高清毛片免费看| 黄色日韩在线| 日韩大片免费观看网站| 国产人妻一区二区三区在| 成人美女网站在线观看视频| 男人舔奶头视频| a级毛片免费高清观看在线播放| av女优亚洲男人天堂| 精品一区二区三卡| 精品一区二区三区人妻视频| 91久久精品国产一区二区三区| 精品一区二区三区视频在线| 中文资源天堂在线| 看非洲黑人一级黄片| 久久97久久精品| 国产亚洲一区二区精品| 岛国毛片在线播放| 久久久成人免费电影| 好男人视频免费观看在线| 男人狂女人下面高潮的视频| 国产黄片美女视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 非洲黑人性xxxx精品又粗又长| 精品久久久久久久人妻蜜臀av| 22中文网久久字幕| 搡老妇女老女人老熟妇| 免费黄网站久久成人精品| 伦理电影大哥的女人| 精品久久久久久久久亚洲| or卡值多少钱| 成人亚洲精品av一区二区| 人妻制服诱惑在线中文字幕| 美女黄网站色视频| 国产精品熟女久久久久浪| 美女被艹到高潮喷水动态| 男的添女的下面高潮视频| 国产亚洲午夜精品一区二区久久 | 欧美高清成人免费视频www| 久久久午夜欧美精品| 超碰av人人做人人爽久久| 国产单亲对白刺激| 国产老妇女一区| 亚洲国产欧美在线一区| 少妇熟女欧美另类| 伦理电影大哥的女人| 久久久久久伊人网av| 午夜免费激情av| 国产日韩欧美在线精品| 亚洲精品久久久久久婷婷小说| 听说在线观看完整版免费高清| 成年免费大片在线观看| 麻豆成人av视频| 亚洲成人精品中文字幕电影| 欧美日韩国产mv在线观看视频 | 日韩av在线大香蕉| 久久人人爽人人爽人人片va| 三级经典国产精品| 亚洲丝袜综合中文字幕| 秋霞在线观看毛片| 大香蕉97超碰在线| 日韩 亚洲 欧美在线| 免费看美女性在线毛片视频| 最新中文字幕久久久久| 色吧在线观看| 欧美性感艳星| 一区二区三区高清视频在线| 亚洲性久久影院| 别揉我奶头 嗯啊视频| 在线观看美女被高潮喷水网站| 一区二区三区乱码不卡18| 久久精品久久精品一区二区三区| 久久久久网色| 亚洲美女搞黄在线观看| 国产伦在线观看视频一区| 久久久亚洲精品成人影院| 精品人妻视频免费看| 少妇被粗大猛烈的视频| 亚洲一级一片aⅴ在线观看| 国产精品爽爽va在线观看网站| 国产高清有码在线观看视频| 久久97久久精品| 国产精品爽爽va在线观看网站| 国产成年人精品一区二区| 久久精品国产自在天天线| 国产精品99久久久久久久久| 老女人水多毛片| 韩国高清视频一区二区三区| 男人爽女人下面视频在线观看| 三级毛片av免费| 国产黄色小视频在线观看| 精品欧美国产一区二区三| 直男gayav资源| 人人妻人人看人人澡| 国产精品1区2区在线观看.| 亚洲精品aⅴ在线观看| 精品少妇黑人巨大在线播放| 插逼视频在线观看| 91av网一区二区| 我的女老师完整版在线观看| 国产精品三级大全| 99久久精品国产国产毛片| 成年免费大片在线观看| av专区在线播放| 亚洲第一区二区三区不卡| 搡女人真爽免费视频火全软件| 日本av手机在线免费观看| 国产亚洲精品久久久com| 亚洲久久久久久中文字幕| 91精品一卡2卡3卡4卡| 人妻夜夜爽99麻豆av| 日韩伦理黄色片| 欧美日韩视频高清一区二区三区二| 在线免费十八禁| kizo精华| 97超视频在线观看视频| 国产视频内射| 国产精品.久久久| 亚洲一级一片aⅴ在线观看| 51国产日韩欧美| 黄色一级大片看看| 国产精品日韩av在线免费观看| 久热久热在线精品观看| 麻豆久久精品国产亚洲av| 激情 狠狠 欧美| 精品99又大又爽又粗少妇毛片| 欧美xxⅹ黑人| 搡老妇女老女人老熟妇| 成人欧美大片| 久久久久久伊人网av| 午夜激情欧美在线| 亚洲国产高清在线一区二区三| 嫩草影院精品99| 亚洲国产精品国产精品| 久久热精品热| 精品久久久精品久久久| 日韩成人伦理影院| 亚洲av男天堂| 极品教师在线视频| 精品人妻偷拍中文字幕| 能在线免费看毛片的网站| 国产又色又爽无遮挡免| 日韩制服骚丝袜av| 啦啦啦啦在线视频资源| 精品一区二区三区人妻视频| 精品久久久久久久末码| 亚洲精华国产精华液的使用体验| 亚洲精品色激情综合| 一级黄片播放器| 国产黄片美女视频| 欧美一区二区亚洲| 亚洲丝袜综合中文字幕| 丰满人妻一区二区三区视频av| 国产精品国产三级国产专区5o| 夫妻性生交免费视频一级片| 欧美一区二区亚洲| 成人欧美大片| 亚洲一级一片aⅴ在线观看| 麻豆av噜噜一区二区三区| 你懂的网址亚洲精品在线观看| 青春草亚洲视频在线观看| 国产大屁股一区二区在线视频| 国产黄色免费在线视频| 国产亚洲精品久久久com| 一个人看视频在线观看www免费| 国产精品国产三级国产av玫瑰| 免费在线观看成人毛片| 我的老师免费观看完整版| 日韩成人av中文字幕在线观看| 欧美一级a爱片免费观看看| 美女主播在线视频| 久久人人爽人人片av| 国产高清不卡午夜福利| 日韩成人av中文字幕在线观看| 免费少妇av软件| 3wmmmm亚洲av在线观看| 久久精品国产亚洲网站| 国内精品美女久久久久久| 观看美女的网站| 久久久久久久亚洲中文字幕| 亚洲国产av新网站| 久久草成人影院| 成人毛片a级毛片在线播放| 女人十人毛片免费观看3o分钟| 99久久精品一区二区三区| 精品久久久久久电影网| 又爽又黄无遮挡网站| 亚洲欧美精品自产自拍| 最后的刺客免费高清国语| 高清视频免费观看一区二区 | 别揉我奶头 嗯啊视频| 免费高清在线观看视频在线观看| 18禁裸乳无遮挡免费网站照片| 中国美白少妇内射xxxbb| 亚洲精品色激情综合| 午夜福利成人在线免费观看| 免费看a级黄色片| 高清欧美精品videossex| 成年女人在线观看亚洲视频 | 一夜夜www| 联通29元200g的流量卡| 国产成年人精品一区二区| 欧美极品一区二区三区四区| 国产午夜精品久久久久久一区二区三区| 六月丁香七月| 欧美人与善性xxx| 亚洲av成人av| 中文在线观看免费www的网站| 久久99蜜桃精品久久| 在线免费十八禁| 久久久久久久久久人人人人人人| 国产高清有码在线观看视频| 欧美激情国产日韩精品一区| 我要看日韩黄色一级片| 欧美变态另类bdsm刘玥| 一级a做视频免费观看| 亚洲av不卡在线观看| 神马国产精品三级电影在线观看| 亚洲国产精品成人久久小说| 精品熟女少妇av免费看| 97热精品久久久久久| 色5月婷婷丁香| 国产成人精品婷婷| 亚洲国产精品国产精品| 国产女主播在线喷水免费视频网站 | 国产免费视频播放在线视频 | 久久99蜜桃精品久久| 一级毛片久久久久久久久女| 免费黄色在线免费观看| 夜夜爽夜夜爽视频| 午夜福利网站1000一区二区三区| 高清av免费在线| 51国产日韩欧美| 日日摸夜夜添夜夜添av毛片| 欧美日韩精品成人综合77777| 欧美成人一区二区免费高清观看| 日韩视频在线欧美| 日韩av在线免费看完整版不卡| 日韩强制内射视频| 国产精品伦人一区二区| 国内精品一区二区在线观看| 国产精品av视频在线免费观看| 日韩欧美精品免费久久| 老女人水多毛片| 国产高潮美女av| 舔av片在线| 久久久久久久大尺度免费视频| 久久久久国产网址| 久久这里只有精品中国| 性插视频无遮挡在线免费观看| 男人狂女人下面高潮的视频| 免费无遮挡裸体视频| 国产精品久久久久久精品电影| 男人爽女人下面视频在线观看| 欧美高清成人免费视频www| 亚洲av成人精品一二三区| 精品久久久精品久久久| 联通29元200g的流量卡| 人人妻人人澡欧美一区二区| 亚洲av一区综合| 99热这里只有精品一区| 亚洲欧美精品自产自拍| 日韩强制内射视频| 国产精品久久久久久久久免| 三级经典国产精品| 综合色丁香网| 免费看光身美女| 一级毛片久久久久久久久女| 搞女人的毛片| 免费观看性生交大片5| 尾随美女入室| 观看美女的网站| 中国美白少妇内射xxxbb| 一级毛片电影观看| 免费av观看视频| 亚州av有码| 内地一区二区视频在线| 久久精品夜夜夜夜夜久久蜜豆| 欧美3d第一页| av国产免费在线观看| 久久久久性生活片| 日韩精品青青久久久久久| 简卡轻食公司| 久久久亚洲精品成人影院| 在线免费十八禁| 我的老师免费观看完整版| 免费观看的影片在线观看| 人体艺术视频欧美日本| 国语对白做爰xxxⅹ性视频网站| 久久精品国产亚洲av涩爱| 最近最新中文字幕免费大全7| 亚洲人与动物交配视频| 黄色一级大片看看| 国产成人精品婷婷| 免费看日本二区| 三级经典国产精品| 亚州av有码| 韩国高清视频一区二区三区| 久久久欧美国产精品| 男女下面进入的视频免费午夜| 久久久久网色| 亚洲欧美成人精品一区二区| 国产精品国产三级专区第一集| 青春草亚洲视频在线观看| 久久久久久久大尺度免费视频| 99视频精品全部免费 在线| 91久久精品国产一区二区三区| 色尼玛亚洲综合影院| 男人舔奶头视频| 一个人观看的视频www高清免费观看| 青春草视频在线免费观看| 国产不卡一卡二| 欧美xxxx性猛交bbbb| 久久久久久久久久久免费av| 男女国产视频网站| 亚洲av在线观看美女高潮| 国产极品天堂在线| 一级毛片我不卡| 欧美激情国产日韩精品一区| 亚洲av成人av| 亚洲久久久久久中文字幕| 日本午夜av视频| 亚洲av不卡在线观看| 少妇丰满av| 内地一区二区视频在线| av免费在线看不卡| 国产成人精品一,二区| 97超视频在线观看视频| 欧美潮喷喷水| 成人特级av手机在线观看| 免费看不卡的av| 我要看日韩黄色一级片| 天天一区二区日本电影三级| 色播亚洲综合网| 免费av不卡在线播放| 能在线免费看毛片的网站| 国产精品久久久久久久电影| 日韩亚洲欧美综合| 中文字幕av成人在线电影| 99热6这里只有精品| 亚洲精品视频女| 亚洲精品成人av观看孕妇| 午夜福利在线在线| 欧美 日韩 精品 国产| 久久久久精品久久久久真实原创| videos熟女内射| 亚洲自偷自拍三级| 精品国内亚洲2022精品成人| 久久久精品欧美日韩精品| 亚洲,欧美,日韩| 国产精品精品国产色婷婷| 伦精品一区二区三区| 国产av国产精品国产| 国产精品1区2区在线观看.| 性色avwww在线观看| 九九在线视频观看精品| 麻豆成人午夜福利视频| 久久99精品国语久久久| 久热久热在线精品观看| 亚洲综合色惰| 亚洲丝袜综合中文字幕| 免费看美女性在线毛片视频| 三级经典国产精品| 国产亚洲av嫩草精品影院| 国产午夜福利久久久久久| 国产淫片久久久久久久久| 大话2 男鬼变身卡| 熟女人妻精品中文字幕| 少妇人妻一区二区三区视频| 日韩一区二区三区影片| 永久免费av网站大全| 日韩三级伦理在线观看| 久久人人爽人人爽人人片va| 久久久久久久国产电影| 蜜臀久久99精品久久宅男| 免费大片18禁| 中文字幕免费在线视频6| 我的老师免费观看完整版| 国产精品爽爽va在线观看网站| 婷婷色av中文字幕| 亚洲成色77777| 国产一区亚洲一区在线观看| 非洲黑人性xxxx精品又粗又长| 看免费成人av毛片| 亚洲av.av天堂| 男人爽女人下面视频在线观看| 亚洲精华国产精华液的使用体验| 亚洲成人中文字幕在线播放| 日韩欧美精品免费久久| 久久6这里有精品| 一级av片app| 亚洲av日韩在线播放| 丝袜美腿在线中文| 可以在线观看毛片的网站| 九九久久精品国产亚洲av麻豆| 日韩欧美精品免费久久| 国产免费又黄又爽又色| 亚洲精品日韩在线中文字幕| 最近中文字幕高清免费大全6| 亚洲精品一区蜜桃| 一级毛片黄色毛片免费观看视频| 成人特级av手机在线观看| 乱码一卡2卡4卡精品| 国产极品天堂在线| 久久国内精品自在自线图片| 欧美潮喷喷水| 亚洲av福利一区| 极品少妇高潮喷水抽搐| 久久久成人免费电影| 国产在线一区二区三区精| 国产爱豆传媒在线观看| 性色avwww在线观看| 看黄色毛片网站| 日本午夜av视频| 久久久久性生活片| 日韩av不卡免费在线播放| 禁无遮挡网站| 免费大片黄手机在线观看| 我要看日韩黄色一级片| a级一级毛片免费在线观看| 日韩三级伦理在线观看| 老女人水多毛片| 亚洲av男天堂| 亚洲国产精品国产精品| 日本wwww免费看| 亚洲久久久久久中文字幕| 3wmmmm亚洲av在线观看| 极品教师在线视频| 亚洲国产精品sss在线观看| 色视频www国产| av在线观看视频网站免费| 亚洲人与动物交配视频| av网站免费在线观看视频 | 天堂俺去俺来也www色官网 | 免费看美女性在线毛片视频| kizo精华| 亚洲av电影在线观看一区二区三区 | 国产成人一区二区在线| 一级毛片我不卡| 22中文网久久字幕| 精品99又大又爽又粗少妇毛片| 777米奇影视久久| 国产伦在线观看视频一区| 成人无遮挡网站| 国产精品综合久久久久久久免费| 久久久久久久大尺度免费视频| 久久久久久久久久黄片| 伦精品一区二区三区| 最后的刺客免费高清国语| 日韩精品青青久久久久久| 成年av动漫网址| 亚洲内射少妇av| 国产一区二区三区综合在线观看 | 欧美激情在线99| 欧美日韩一区二区视频在线观看视频在线 | 亚洲精品影视一区二区三区av| 午夜福利网站1000一区二区三区| 欧美 日韩 精品 国产| 精品午夜福利在线看| 特级一级黄色大片| 一本一本综合久久| 国产 一区精品| 日本一本二区三区精品| 一个人免费在线观看电影| 亚洲经典国产精华液单| 久99久视频精品免费| 少妇丰满av| 一级毛片aaaaaa免费看小| 搡老妇女老女人老熟妇| 麻豆久久精品国产亚洲av| 国产v大片淫在线免费观看| 国产精品一及| 国产伦一二天堂av在线观看| 2021少妇久久久久久久久久久| 欧美日韩在线观看h| 亚洲av成人精品一区久久| 欧美日韩视频高清一区二区三区二| 国产精品久久久久久久电影| 女人被狂操c到高潮| 美女黄网站色视频| 熟妇人妻久久中文字幕3abv| 老司机影院成人| 日韩中字成人| 可以在线观看毛片的网站| 久久韩国三级中文字幕| 午夜日本视频在线| 亚洲国产精品国产精品| av在线天堂中文字幕| 国产精品久久久久久久电影| 亚洲成人一二三区av| 777米奇影视久久| 九草在线视频观看| 国产黄色视频一区二区在线观看| 国内揄拍国产精品人妻在线| 国产午夜精品一二区理论片| 最后的刺客免费高清国语| av播播在线观看一区| 一级爰片在线观看| 成人午夜高清在线视频| 中文字幕av成人在线电影| 亚洲精品一区蜜桃| 美女xxoo啪啪120秒动态图| 欧美日韩一区二区视频在线观看视频在线 | 国产精品嫩草影院av在线观看| 亚洲精品成人久久久久久| 欧美97在线视频| 日日摸夜夜添夜夜爱| 亚洲精品亚洲一区二区| 中文在线观看免费www的网站| 青青草视频在线视频观看| 身体一侧抽搐| 九九爱精品视频在线观看| 狂野欧美激情性xxxx在线观看| 国产高清不卡午夜福利| 女人被狂操c到高潮| 国产av不卡久久| 亚洲av二区三区四区| 国产视频内射| 中文精品一卡2卡3卡4更新| 伦理电影大哥的女人| 午夜激情福利司机影院| 国产精品国产三级国产av玫瑰| 国产成人freesex在线| 午夜爱爱视频在线播放| 国产成人91sexporn| 91狼人影院| 成年人午夜在线观看视频 | 久久草成人影院| 色哟哟·www| 国产老妇女一区| 久久草成人影院| 久久精品综合一区二区三区| 大陆偷拍与自拍| 蜜桃亚洲精品一区二区三区| 男女边吃奶边做爰视频| 国产男女超爽视频在线观看| 成人鲁丝片一二三区免费| 国产黄a三级三级三级人| 老司机影院毛片| 国产单亲对白刺激| 久久久久久国产a免费观看| 欧美最新免费一区二区三区| 建设人人有责人人尽责人人享有的 | 中国美白少妇内射xxxbb| 久久久色成人| 久久这里只有精品中国| 国产伦在线观看视频一区| 男的添女的下面高潮视频| 久久久久久久久久久丰满| 综合色丁香网| 日韩一本色道免费dvd| 老女人水多毛片| 丝袜美腿在线中文| 国产av在哪里看| 国产探花在线观看一区二区| 国模一区二区三区四区视频| 免费观看a级毛片全部| 欧美高清成人免费视频www|