• <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 ?

    改進ACO-SVM在網(wǎng)絡(luò)入侵檢測中的應(yīng)用

    2018-11-17 01:32:24楊正校
    軟件 2018年10期
    關(guān)鍵詞:特征選擇子集正確率

    劉 靜,楊正校

    ?

    改進ACO-SVM在網(wǎng)絡(luò)入侵檢測中的應(yīng)用

    劉 靜,楊正校

    (蘇州健雄職業(yè)技術(shù)學(xué)院 軟件與服務(wù)外包學(xué)院,江蘇 太倉 215411)

    為了提高網(wǎng)絡(luò)入侵檢測正確率,降低特征冗余,提出一種蟻群優(yōu)化與支持向量機相結(jié)合的入侵檢測方法(ACO-SVM)。利用支持向量機的分類精度和特征子集維數(shù)加權(quán)構(gòu)造綜合適應(yīng)度指標,利用蟻群算法的全局尋優(yōu)和多次優(yōu)解搜索能力實現(xiàn)特征子集搜索,并設(shè)計了局部細化搜索方式,實現(xiàn)特征選擇結(jié)果降維,提高算法的收斂性。

    特征選擇;蟻群優(yōu)化算法;支持向量機;網(wǎng)絡(luò)入侵檢測

    0 引言

    隨著網(wǎng)絡(luò)的迅猛發(fā)展,網(wǎng)絡(luò)攻擊方式多樣化,攻擊數(shù)量及其危害程度日益嚴重,網(wǎng)絡(luò)入侵檢測作為一種安全防御技術(shù)顯得越來越重要[1]。

    網(wǎng)絡(luò)入侵檢測實質(zhì)是一個多模式識別問題,包含大量冗余信息和噪聲特征,如果不加篩選直接使用,會削弱分類器的性能,降低檢測速度;由于入侵特征數(shù)與檢測算法不存在線性關(guān)系,當特征數(shù)量超過限度時,檢測算法性能變壞[2]。因此如何選擇網(wǎng)絡(luò)入侵關(guān)鍵特征,消除冗余,降低入侵檢測模型的輸入特征維度,成為網(wǎng)絡(luò)入侵檢測建模的關(guān)鍵[3]。目前針對特征選擇提出許多有效網(wǎng)絡(luò)入侵檢測算法,主要基于組合搜索策略的設(shè)計,其中遺傳算法是一種基于仿生學(xué)原理的群智能算法,因其設(shè)置靈活,全局尋優(yōu)能力強,成為主流特征選擇算法[4]。蟻群優(yōu)化算法[5,6]在降低特征冗余方面也有一定的優(yōu)勢。大量研究表明,在實際應(yīng)用中遺傳算法能夠有效地提取關(guān)鍵特征,但對關(guān)聯(lián)比較強的多組特征時。其難以獲得穩(wěn)定的特征尋優(yōu)結(jié)果,且對樣本較敏感[7]。除了特征選擇外,支持向量機[8,9](Support Vector Machine,SVM)因其泛化能力強,成為網(wǎng)絡(luò)檢測的主要算法。

    為了提高網(wǎng)絡(luò)入侵檢測效果,針對特征選擇問題,本文提出一種蟻群優(yōu)化算法(Ant Colony Optimi-zation,ACO)和支持向量機相結(jié)合的入侵檢測方法(ACO-SVM),并對算法進行仿真測試。

    1 入侵檢測算法框架

    蟻群優(yōu)化與支持向量機相結(jié)合的入侵檢測方法采用wrapper特征選擇模型,使用基于SVM的5-fold進行全局搜索并交叉驗證,得到最優(yōu)特征集;根據(jù)SVM分類器進行特征集分類判斷并更新,得到最佳分類結(jié)果特征集進行入侵檢測,如圖1所示。

    圖1 入侵檢測算法框架

    2 網(wǎng)絡(luò)入侵檢測算法設(shè)計

    2.1 ACO算法

    ACO算法是一種模擬螞蟻覓食的過程中信息如何交流與協(xié)作的集體智能算法,具有全局搜索能力強、分布式計算的優(yōu)點,得到了廣泛應(yīng)用,具有較好的效果。在進行網(wǎng)絡(luò)入侵檢測特征選擇時,將入侵檢測特征作為蟻群信息交換點,特征優(yōu)化問題則轉(zhuǎn)化為如何進行最優(yōu)路徑選擇。

    2.2 適應(yīng)度函數(shù)

    網(wǎng)絡(luò)入侵特征選擇中,特征子集優(yōu)劣一般通過適應(yīng)函數(shù)來評價[10],因此適應(yīng)度函數(shù)建立是一個十分重要環(huán)節(jié)。支持向量機(SVM)是最近發(fā)展起來的一種新的機器學(xué)習(xí)技術(shù),具有先進完備的理論體系和更好的泛化能力,因此本研究選擇支持向量機構(gòu)建網(wǎng)絡(luò)入侵檢測分類器,并檢測正確率[11]。入侵特征選擇目標分為兩方面:選擇特征子集提高正確率、降低特征維度。因此對于特征子集s來講,其適應(yīng)度函數(shù)如公式1:

    其中為的維數(shù);為候選特征集的維數(shù);Perror為分類錯誤率。

    錯誤率權(quán)重系數(shù)如公式2:

    其中,表示特征維度加1后入侵檢錯誤率減少的百分數(shù)。

    2.3 螞蟻狀態(tài)轉(zhuǎn)移概率

    螞蟻算法對特征進行搜索時,轉(zhuǎn)移概率決定了蟻群的前進方向,從特征i轉(zhuǎn)移到特征j的概率為式(3):

    式中,0為權(quán)值初值,為迭代次數(shù),N為最大循環(huán)次數(shù)。

    由于是動態(tài)變化,在算法運行初期,可以加快螞蟻搜索效率,在運行后期,能夠加快算法的收斂速度。

    2.4 局部細化搜索

    假設(shè)螞蟻經(jīng)過次重要特征搜索,得到了k個特征,為了減少冗余,最優(yōu)子集u需要滿足:

    S為修正當前特征集。

    2.5 更新信息素

    完成一輪搜索后,螞蟻(編號)均需更新路徑信息濃度,方式如下:

    式中,為增長濃度,(s)為適應(yīng)度值;為殘留因子。對于適應(yīng)度函數(shù)越小的特征子集,信息素濃度越大。為強化最優(yōu)路徑影響,可附加激勵:

    式中,(s)為最優(yōu)特征子集的適應(yīng)度函數(shù)。

    2.6 搜索終止條件

    螞蟻搜索終止條件設(shè)定為:連續(xù)3次增加特征,()沒有發(fā)生太大改變,即終止。

    2.7 網(wǎng)絡(luò)入侵檢測器的設(shè)計

    式中,為超平面法向量,為超平面偏移向量。

    二次優(yōu)化,即:

    約束條件為:

    對于大樣本的分類問題,SVM學(xué)習(xí)速度慢,通過引入Lagrange乘子將SVM分類問題轉(zhuǎn)化對偶問題來解決得到SVM決策函數(shù):

    由于RBF只需確定核函數(shù)寬度參數(shù),這樣有利于參數(shù)優(yōu)化,因此,RBF核函數(shù)定義如下:

    網(wǎng)絡(luò)入侵檢測是一種多分類問題,因此必須通過組合策略構(gòu)建網(wǎng)絡(luò)入侵檢測器。本文采用有向無環(huán)圖將兩分類的SVM組合在一起,構(gòu)造網(wǎng)絡(luò)入侵檢測器,具體構(gòu)造如圖2所示。

    3 仿真實驗

    3.1 特征數(shù)據(jù)來源

    模擬異常檢測數(shù)據(jù)集分為四類:掃描與探Probe、拒絕服務(wù)攻擊DoS、對本地超級用戶的非法訪問U2R、未經(jīng)授權(quán)的遠程訪問R2L。一個連接記錄為一個完整會話,每條記錄共有41個屬性(9個離散、32個連續(xù))。訓(xùn)練集、測試集的比例為4∶1。

    3.2 特征對網(wǎng)絡(luò)入侵檢測性能影響

    為了測試不同特征子集對網(wǎng)絡(luò)入侵檢測性能的影響,采采用未進行特征選擇的SVM模型(SVM),只采用遺傳算法進行特征選擇的SVM模型(GA- SVM)作為對比模型用支持向量機建立的網(wǎng)絡(luò)入侵檢測模型,各種模型在各個數(shù)據(jù)集上運行10次所得結(jié)果的平均網(wǎng)絡(luò)入侵檢測正確率(%)如圖3所示。

    從圖3可知,相對于傳統(tǒng)SVM,特征選擇模型(GA-SVM、ACO-SVM)的檢測正確率都得到了提高,有效消除冗余特征。改進ACO-SVM的入侵檢測的正確率略高于GA-SVM,說明采用ACO對特征進行選擇降,能夠找到更優(yōu)的特征子集。

    圖3 不同模型性能比較

    4 結(jié)束語

    針對網(wǎng)絡(luò)入侵檢測中的特征集建立與降維問題,提出一種改進蟻群優(yōu)化與支持向量機相融合的入侵檢測算法ACO-SVM。仿真結(jié)果表明,該算法能進行選擇性降維,通過局部細化搜索,更新信息素,優(yōu)化核函數(shù)參數(shù),提高了算法整體收斂性。

    [1] Yu L, Liu H. Efficient Feature Selection via Analysis of Relevance and Redundancy[J]. Journal of Machine Learning Research, 2004(5): 1205-1224.

    [2] Denning D. E. An Intrusion Detection Model[J]. IEEE Transaction on Software Engineering, 2010, 13(2): 222-232.

    [3] Cheng-Lung Huang, Chieh-Jen Wang. A GA-based feature selection and parameters optimization for support vector machines[J]. Expert Systems with Applications, August 2009, 31(2): 231-240.

    [4] Durga Prasad Muni, Nikhil R Pal, Jyotirmoy Das. Genetic programming for simultaneous feature selection and class-ifier design[J]. IEEE Transactions on Systems, Man, and Cybernetics- Part B, February, 2009 36(1): 106-117.

    [5] 沙娓娓, 劉增力. 基于改進蟻群算法的無線傳感器網(wǎng)絡(luò)的路由優(yōu)化[J]. 軟件,2018, 39(1): 01-04.

    [6] 楊蘇影, 陳世平. 基于包簇框架平衡蟻群算法的資源分配策略[J]. 軟件,2018, 39(6): 04-08.

    [7] Kennedy J, Eberhart R C. Particle swarm optimization[C]. Proc of IEEE International Conference on Neural Networks, USA: IEEE Press, 2005: 1942-1948.

    [8] 聶敬云, 李春青, 李威威等. 關(guān)于遺傳算法優(yōu)化的最小二乘支持向量機在MBR 仿真預(yù)測中的研究[J]. 軟件,2015, 36(5): 40-44.

    [9] 徐朝輝, 施叢叢, 呂超賢等. 基于結(jié)構(gòu)化支持向量機的泄洪聯(lián)動設(shè)計[J]. 軟件, 2015, 36(9): 62-65

    [10] 趙宏, 郭萬鵬. 深度神經(jīng)網(wǎng)絡(luò)代價函數(shù)選擇與性能評測研究[J]. 軟件, 2018, 39(1): 14-20.

    [11] Montemanni R, Smith DH, Gambardella LM. Ant colony systems for large sequential ordering problems[C]. Pro-ceedings of the 2007 IEEE Swarm Intelligence Symposium, 2007: 478-482.

    [12] Tu Yaping, Liu Ping, Xie Baoling, et al. Improvement for parameters of ant algorithm [J]. Journal of Chinese Computer Systems, 2010, 28(11): 1985-1987.

    Improved ACO-SVM for Network Intrusion Detection

    LIU Jing, YANG Zheng-xiao

    (Software and service outsourcing Institute, Suzhou Chien-Shiung Institue of Technology, Taicang 215411, China)

    In order to improve the detection accuracy network intrusion detection, this paper proposes a novel network intrusion detection method, namely the ACO-SVM which is based ant colony optimization algorithm and support vector machine to cope with feature selection issue for network intrusion detection. The classification accuracy of support vector machine and the selected feature dimension form the fitness function, and the ant colony optimization algorithm provides good global searching capability and multiple sub-optimal solutions, and a local refinement searching scheme is designed to exclude the redundant features and improves the convergence rate. The experimental results show that the proposed method has reduced features dimensionality greatly and improve the detection accuracy of network intrusion.

    Feature selection; Ant colony optimization algorithm; Support vector machine; Network intrusion detection

    TP181

    A

    10.3969/j.issn.1003-6970.2018.10.012

    2018年江蘇省“青藍工程”項目資助;2018年江蘇省333高層次人才培養(yǎng)工程項目;2017年太倉市科技局科技計劃項目基礎(chǔ)研究計劃《基于攻擊原型建模的工業(yè)控制網(wǎng)絡(luò)安全技術(shù)研究》

    劉靜(1979-),女,碩士,副教授,主要研究領(lǐng)域為網(wǎng)絡(luò)安全技術(shù)等;楊正校(1963-),男,碩士,教授,主要研究領(lǐng)域為網(wǎng)絡(luò)安全技術(shù)、軟件算法等。

    劉靜,楊正校. 改進ACO-SVM在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[J]. 軟件,2018,39(10):57-59

    猜你喜歡
    特征選擇子集正確率
    由一道有關(guān)集合的子集個數(shù)題引發(fā)的思考
    拓撲空間中緊致子集的性質(zhì)研究
    門診分診服務(wù)態(tài)度與正確率對護患關(guān)系的影響
    關(guān)于奇數(shù)階二元子集的分離序列
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    生意
    品管圈活動在提高介入手術(shù)安全核查正確率中的應(yīng)用
    天津護理(2016年3期)2016-12-01 05:40:01
    生意
    故事會(2016年15期)2016-08-23 13:48:41
    聯(lián)合互信息水下目標特征選擇算法
    每一次愛情都只是愛情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    久久久久久久大尺度免费视频| 成年美女黄网站色视频大全免费 | 亚洲精品国产av蜜桃| 国产又色又爽无遮挡免| 99视频精品全部免费 在线| 精品国产乱码久久久久久小说| av一本久久久久| 亚洲高清免费不卡视频| 国产爽快片一区二区三区| 久久av网站| 天天躁夜夜躁狠狠久久av| 18禁裸乳无遮挡动漫免费视频| 久久国产亚洲av麻豆专区| 妹子高潮喷水视频| 欧美日本中文国产一区发布| 国产国语露脸激情在线看| 国产日韩一区二区三区精品不卡 | 五月开心婷婷网| 只有这里有精品99| 观看美女的网站| 精品一区二区三区视频在线| 秋霞伦理黄片| 午夜福利网站1000一区二区三区| 桃花免费在线播放| 王馨瑶露胸无遮挡在线观看| 精品99又大又爽又粗少妇毛片| 伦精品一区二区三区| 午夜日本视频在线| 国产精品女同一区二区软件| 欧美亚洲日本最大视频资源| 不卡视频在线观看欧美| 最新中文字幕久久久久| 久久青草综合色| 久久精品久久久久久久性| 大又大粗又爽又黄少妇毛片口| 国产男女超爽视频在线观看| 最近最新中文字幕免费大全7| 好男人视频免费观看在线| 晚上一个人看的免费电影| 赤兔流量卡办理| 午夜福利网站1000一区二区三区| 一级片'在线观看视频| 春色校园在线视频观看| 久久狼人影院| 国产精品 国内视频| 一边亲一边摸免费视频| 九色亚洲精品在线播放| 亚洲丝袜综合中文字幕| 18在线观看网站| 免费av中文字幕在线| 亚洲欧美中文字幕日韩二区| 国产日韩欧美在线精品| 大话2 男鬼变身卡| 一级毛片电影观看| 性色av一级| 日韩欧美一区视频在线观看| 亚洲一区二区三区欧美精品| 在线观看美女被高潮喷水网站| 国产精品国产三级国产专区5o| 国产午夜精品一二区理论片| 日本色播在线视频| 丝袜美足系列| 成年av动漫网址| 国产精品一区二区三区四区免费观看| 国产成人91sexporn| 能在线免费看毛片的网站| 亚洲av在线观看美女高潮| 少妇高潮的动态图| www.色视频.com| 嫩草影院入口| 国产日韩欧美亚洲二区| 高清午夜精品一区二区三区| 日本猛色少妇xxxxx猛交久久| 亚洲精品日本国产第一区| 天天影视国产精品| av网站免费在线观看视频| 亚洲av福利一区| 亚洲精品国产av成人精品| 亚洲图色成人| 日本黄大片高清| 黑人高潮一二区| 亚洲精品日本国产第一区| 亚洲丝袜综合中文字幕| 国产极品天堂在线| 日日摸夜夜添夜夜爱| 欧美成人精品欧美一级黄| 亚洲久久久国产精品| 欧美日韩视频精品一区| 欧美日韩国产mv在线观看视频| 精品人妻一区二区三区麻豆| 免费av不卡在线播放| 亚洲伊人久久精品综合| 免费观看的影片在线观看| 国产亚洲精品第一综合不卡 | 日韩大片免费观看网站| 久久久久精品性色| 日韩成人伦理影院| 亚洲欧美成人综合另类久久久| 精品少妇内射三级| 国产成人精品一,二区| 精品熟女少妇av免费看| 2018国产大陆天天弄谢| 久久久精品区二区三区| 免费大片黄手机在线观看| 国产极品粉嫩免费观看在线 | 中文字幕久久专区| 最新的欧美精品一区二区| av天堂久久9| 国产日韩欧美视频二区| 亚洲久久久国产精品| 少妇被粗大猛烈的视频| 国产亚洲精品久久久com| 亚洲欧美色中文字幕在线| 亚洲国产精品一区二区三区在线| 亚洲综合色惰| 美女国产高潮福利片在线看| kizo精华| 极品人妻少妇av视频| 精品国产国语对白av| 91成人精品电影| 欧美三级亚洲精品| 伦理电影免费视频| 久久99热6这里只有精品| 色5月婷婷丁香| 亚洲美女黄色视频免费看| 欧美日韩视频高清一区二区三区二| 妹子高潮喷水视频| 99国产综合亚洲精品| 国产精品人妻久久久影院| 国产精品嫩草影院av在线观看| 久久婷婷青草| 如日韩欧美国产精品一区二区三区 | 午夜91福利影院| 乱人伦中国视频| 人体艺术视频欧美日本| 多毛熟女@视频| 精品人妻熟女av久视频| 亚洲精华国产精华液的使用体验| 日韩精品有码人妻一区| 亚洲四区av| 两个人免费观看高清视频| 91午夜精品亚洲一区二区三区| 日韩强制内射视频| 99热这里只有精品一区| 精品国产一区二区三区久久久樱花| 亚洲伊人久久精品综合| 人妻少妇偷人精品九色| 久久久久久久久久成人| 欧美bdsm另类| 美女cb高潮喷水在线观看| 91成人精品电影| 国产成人精品无人区| 亚洲精品国产色婷婷电影| 国产精品国产三级国产专区5o| 伦精品一区二区三区| 九九久久精品国产亚洲av麻豆| 精品久久久精品久久久| 亚洲精华国产精华液的使用体验| 亚洲国产av新网站| 秋霞在线观看毛片| 不卡视频在线观看欧美| 一本—道久久a久久精品蜜桃钙片| 色婷婷久久久亚洲欧美| 黄色配什么色好看| 99热网站在线观看| 狂野欧美白嫩少妇大欣赏| 欧美激情 高清一区二区三区| 最黄视频免费看| 午夜91福利影院| 中文字幕久久专区| 日本wwww免费看| 国产精品嫩草影院av在线观看| 国产又色又爽无遮挡免| 视频区图区小说| 日韩免费高清中文字幕av| 青春草视频在线免费观看| 亚洲精品日韩在线中文字幕| 最近手机中文字幕大全| 久久亚洲国产成人精品v| 婷婷色综合大香蕉| 熟女人妻精品中文字幕| 亚洲经典国产精华液单| 欧美少妇被猛烈插入视频| 香蕉精品网在线| 国产熟女欧美一区二区| 在线观看国产h片| 高清毛片免费看| 日本-黄色视频高清免费观看| 欧美另类一区| 国产乱人偷精品视频| 欧美精品一区二区大全| 久久青草综合色| 午夜影院在线不卡| 欧美bdsm另类| 少妇人妻精品综合一区二区| 国产av码专区亚洲av| 97在线视频观看| 国产一级毛片在线| 久久久久久久久久久久大奶| 久久99热这里只频精品6学生| 97在线人人人人妻| 五月伊人婷婷丁香| 美女国产高潮福利片在线看| 成人亚洲精品一区在线观看| 国产亚洲午夜精品一区二区久久| 久久ye,这里只有精品| 九九爱精品视频在线观看| 永久免费av网站大全| 亚洲国产精品一区三区| 久久久a久久爽久久v久久| 2022亚洲国产成人精品| 好男人视频免费观看在线| 日韩一区二区视频免费看| 最新中文字幕久久久久| 99热全是精品| 制服丝袜香蕉在线| 青青草视频在线视频观看| 丝瓜视频免费看黄片| 久久久久久久久久久久大奶| 丰满少妇做爰视频| 91精品三级在线观看| 一本色道久久久久久精品综合| 少妇人妻精品综合一区二区| av.在线天堂| 国产视频首页在线观看| 国产高清三级在线| 精品国产乱码久久久久久小说| 免费日韩欧美在线观看| 色94色欧美一区二区| 大片电影免费在线观看免费| 国产爽快片一区二区三区| 亚洲av欧美aⅴ国产| 久久99热这里只频精品6学生| 欧美97在线视频| 欧美人与性动交α欧美精品济南到 | 波野结衣二区三区在线| 国产日韩一区二区三区精品不卡 | 久久久亚洲精品成人影院| 国产av国产精品国产| 国产成人精品一,二区| 国产黄频视频在线观看| 免费观看的影片在线观看| 日韩在线高清观看一区二区三区| 亚洲综合色惰| 青春草国产在线视频| 色94色欧美一区二区| 一级毛片电影观看| 国产免费又黄又爽又色| 日韩伦理黄色片| 亚洲四区av| 亚洲久久久国产精品| 成人国语在线视频| 国产精品蜜桃在线观看| 18在线观看网站| 免费观看的影片在线观看| 亚洲无线观看免费| 日日撸夜夜添| 亚洲成人一二三区av| 成人亚洲精品一区在线观看| 精品一区在线观看国产| 国产高清三级在线| 久久精品国产自在天天线| 国产 精品1| 国产精品.久久久| 国产视频首页在线观看| 亚洲三级黄色毛片| www.色视频.com| 秋霞在线观看毛片| 满18在线观看网站| 国产成人a∨麻豆精品| 国产不卡av网站在线观看| 黑人高潮一二区| 另类精品久久| 国产免费福利视频在线观看| 国产成人免费无遮挡视频| 一级毛片aaaaaa免费看小| 美女主播在线视频| 国产片特级美女逼逼视频| 不卡视频在线观看欧美| 黑人猛操日本美女一级片| 日日啪夜夜爽| 又大又黄又爽视频免费| 久久精品久久久久久久性| av.在线天堂| 日本av手机在线免费观看| 国产色婷婷99| 亚洲怡红院男人天堂| 麻豆精品久久久久久蜜桃| 永久网站在线| 一本久久精品| 国产高清不卡午夜福利| 少妇猛男粗大的猛烈进出视频| av专区在线播放| 久久久久精品久久久久真实原创| 亚洲人与动物交配视频| 制服丝袜香蕉在线| 插阴视频在线观看视频| 欧美最新免费一区二区三区| av国产精品久久久久影院| 美女中出高潮动态图| 视频区图区小说| 亚洲五月色婷婷综合| 最近中文字幕2019免费版| 青春草亚洲视频在线观看| 丁香六月天网| 最黄视频免费看| 狂野欧美白嫩少妇大欣赏| 99精国产麻豆久久婷婷| 丝袜美足系列| 国产精品.久久久| 国产高清国产精品国产三级| 国产免费又黄又爽又色| av免费在线看不卡| 亚洲少妇的诱惑av| 国产一区二区在线观看av| 国产无遮挡羞羞视频在线观看| 亚洲激情五月婷婷啪啪| 熟女人妻精品中文字幕| 两个人的视频大全免费| 一本大道久久a久久精品| 免费大片黄手机在线观看| 黄片播放在线免费| 亚洲精华国产精华液的使用体验| av天堂久久9| 日韩精品免费视频一区二区三区 | 亚州av有码| 亚洲精品国产av蜜桃| 18在线观看网站| 国产精品久久久久久精品电影小说| 国产精品.久久久| 国产日韩一区二区三区精品不卡 | 七月丁香在线播放| av线在线观看网站| 一区二区av电影网| 香蕉精品网在线| 亚洲美女黄色视频免费看| 51国产日韩欧美| 99精国产麻豆久久婷婷| 亚洲欧美清纯卡通| 大陆偷拍与自拍| 中文字幕av电影在线播放| 国产探花极品一区二区| 一级二级三级毛片免费看| 亚洲丝袜综合中文字幕| 97在线视频观看| 青春草视频在线免费观看| 中国三级夫妇交换| 国产高清三级在线| 日韩中文字幕视频在线看片| 一级爰片在线观看| 亚洲国产精品专区欧美| 乱人伦中国视频| 久久久久精品久久久久真实原创| 丝瓜视频免费看黄片| 3wmmmm亚洲av在线观看| 欧美成人精品欧美一级黄| 亚洲色图 男人天堂 中文字幕 | 99热这里只有精品一区| 日韩精品有码人妻一区| 亚洲精品一区蜜桃| 亚洲怡红院男人天堂| 国产欧美日韩一区二区三区在线 | 丝袜喷水一区| av免费在线看不卡| av线在线观看网站| 国产国语露脸激情在线看| 狠狠精品人妻久久久久久综合| 国产精品偷伦视频观看了| 少妇人妻精品综合一区二区| 22中文网久久字幕| 精品人妻熟女av久视频| 亚洲精品久久久久久婷婷小说| 嫩草影院入口| 精品国产一区二区三区久久久樱花| videossex国产| 九草在线视频观看| 国产免费视频播放在线视频| 成人亚洲欧美一区二区av| 久久韩国三级中文字幕| 波野结衣二区三区在线| 欧美日韩国产mv在线观看视频| videosex国产| 精品国产国语对白av| 大陆偷拍与自拍| 99九九线精品视频在线观看视频| 伊人久久精品亚洲午夜| av一本久久久久| 精品人妻在线不人妻| 高清av免费在线| 日韩电影二区| 又粗又硬又长又爽又黄的视频| 国产日韩欧美亚洲二区| 各种免费的搞黄视频| 伊人久久国产一区二区| 色婷婷av一区二区三区视频| av在线app专区| 最新中文字幕久久久久| 国产在线一区二区三区精| 少妇人妻久久综合中文| 亚洲国产精品国产精品| 欧美日韩精品成人综合77777| 久久久精品区二区三区| 欧美精品一区二区免费开放| 欧美 日韩 精品 国产| 国产精品一国产av| 欧美丝袜亚洲另类| 91国产中文字幕| a级毛色黄片| a级毛片在线看网站| 久久久久国产精品人妻一区二区| 亚洲精品,欧美精品| 韩国av在线不卡| 伊人亚洲综合成人网| 亚洲av免费高清在线观看| videosex国产| 亚洲精品国产av成人精品| 国产免费福利视频在线观看| 亚洲欧美中文字幕日韩二区| 母亲3免费完整高清在线观看 | 久久久久久久久大av| 欧美成人午夜免费资源| 美女国产视频在线观看| 国产日韩欧美亚洲二区| 在线观看三级黄色| av视频免费观看在线观看| 多毛熟女@视频| 久久久精品免费免费高清| 亚洲欧洲日产国产| 欧美激情 高清一区二区三区| 视频中文字幕在线观看| 一个人看视频在线观看www免费| 久久综合国产亚洲精品| 欧美+日韩+精品| 日韩成人av中文字幕在线观看| 久久鲁丝午夜福利片| 91精品国产国语对白视频| 久久久久久久久久久免费av| 午夜91福利影院| 国产av精品麻豆| 一区二区三区乱码不卡18| 成年美女黄网站色视频大全免费 | 3wmmmm亚洲av在线观看| 高清毛片免费看| 日日撸夜夜添| 男女无遮挡免费网站观看| 一级毛片电影观看| 中国美白少妇内射xxxbb| 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| 国产av国产精品国产| 国产av精品麻豆| 中文字幕精品免费在线观看视频 | 亚洲精品乱久久久久久| 久久狼人影院| 男女国产视频网站| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 成年美女黄网站色视频大全免费 | 国产精品无大码| 纯流量卡能插随身wifi吗| 亚洲欧洲国产日韩| 在线观看人妻少妇| 又粗又硬又长又爽又黄的视频| 80岁老熟妇乱子伦牲交| 久久97久久精品| 一级毛片黄色毛片免费观看视频| 国产成人av激情在线播放 | 久久午夜综合久久蜜桃| 国产探花极品一区二区| 国产免费视频播放在线视频| 久久女婷五月综合色啪小说| 老司机影院成人| 国产永久视频网站| 麻豆精品久久久久久蜜桃| 91aial.com中文字幕在线观看| 狂野欧美白嫩少妇大欣赏| 免费高清在线观看视频在线观看| 丝袜在线中文字幕| 国产欧美日韩综合在线一区二区| 涩涩av久久男人的天堂| 91久久精品国产一区二区三区| 亚洲无线观看免费| 美女xxoo啪啪120秒动态图| 欧美+日韩+精品| 啦啦啦中文免费视频观看日本| 国产精品.久久久| 国产精品熟女久久久久浪| 22中文网久久字幕| 另类精品久久| 亚洲美女视频黄频| 老女人水多毛片| 亚洲欧洲日产国产| 欧美激情极品国产一区二区三区 | 晚上一个人看的免费电影| www.色视频.com| 亚洲第一av免费看| 国产亚洲午夜精品一区二区久久| 日韩在线高清观看一区二区三区| 黄色毛片三级朝国网站| 你懂的网址亚洲精品在线观看| 夜夜骑夜夜射夜夜干| 中文天堂在线官网| 日本黄色片子视频| 久久久久精品久久久久真实原创| 天天影视国产精品| 日韩成人av中文字幕在线观看| 看十八女毛片水多多多| 欧美 亚洲 国产 日韩一| 久久99一区二区三区| 青春草国产在线视频| 精品一区二区免费观看| 天天影视国产精品| 一级毛片电影观看| 国产一区二区三区综合在线观看 | 97在线人人人人妻| 亚洲综合色网址| 国产精品不卡视频一区二区| 国产免费视频播放在线视频| 亚洲第一区二区三区不卡| 简卡轻食公司| 91国产中文字幕| 亚洲av在线观看美女高潮| 国国产精品蜜臀av免费| 国产在线视频一区二区| 插阴视频在线观看视频| 久久久午夜欧美精品| 精品99又大又爽又粗少妇毛片| 各种免费的搞黄视频| 欧美变态另类bdsm刘玥| 天美传媒精品一区二区| 中文字幕人妻丝袜制服| 国产视频内射| 日韩精品有码人妻一区| 在线观看免费视频网站a站| 久久人人爽av亚洲精品天堂| 夫妻性生交免费视频一级片| 亚洲欧美一区二区三区国产| 99热国产这里只有精品6| 国产一区有黄有色的免费视频| 久久影院123| 欧美日韩综合久久久久久| 最近的中文字幕免费完整| 如日韩欧美国产精品一区二区三区 | 精品酒店卫生间| 一本久久精品| 亚洲精品自拍成人| 亚洲图色成人| 一级毛片电影观看| 国产在线免费精品| 美女cb高潮喷水在线观看| 国产黄色免费在线视频| 熟妇人妻不卡中文字幕| 久久久国产一区二区| 国产探花极品一区二区| 亚洲欧美清纯卡通| 久久99蜜桃精品久久| 丁香六月天网| 亚洲国产精品一区三区| 久久国产精品大桥未久av| 成年人午夜在线观看视频| 18在线观看网站| 高清在线视频一区二区三区| 一级二级三级毛片免费看| 99视频精品全部免费 在线| 亚洲人与动物交配视频| 国产精品秋霞免费鲁丝片| 免费看不卡的av| 亚洲精品,欧美精品| 久久精品国产a三级三级三级| 黑人猛操日本美女一级片| 国产男女超爽视频在线观看| 秋霞在线观看毛片| 久久久久久伊人网av| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 如日韩欧美国产精品一区二区三区 | 欧美日本中文国产一区发布| 女性被躁到高潮视频| 69精品国产乱码久久久| 亚洲第一av免费看| 国产高清有码在线观看视频| 亚洲精品aⅴ在线观看| 亚洲精品国产av蜜桃| a级毛片免费高清观看在线播放| av有码第一页| 久久人人爽人人片av| 国产伦精品一区二区三区视频9| 欧美变态另类bdsm刘玥| 日韩欧美精品免费久久| 欧美亚洲 丝袜 人妻 在线| 国产亚洲av片在线观看秒播厂| 黑人猛操日本美女一级片| 美女脱内裤让男人舔精品视频| 国产视频内射| 日韩三级伦理在线观看| 黄色一级大片看看| 最近2019中文字幕mv第一页| 亚洲伊人久久精品综合| 久久亚洲国产成人精品v| 亚洲四区av| 欧美日韩精品成人综合77777| 欧美变态另类bdsm刘玥| 午夜91福利影院| 日本av免费视频播放| 天天影视国产精品| 国产成人a∨麻豆精品| freevideosex欧美| videos熟女内射| av国产精品久久久久影院| 男的添女的下面高潮视频| 极品少妇高潮喷水抽搐| 黄片播放在线免费| 伊人亚洲综合成人网| 日日啪夜夜爽| 日本爱情动作片www.在线观看| 亚洲av欧美aⅴ国产| 中文字幕人妻熟人妻熟丝袜美|