• <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MSCPO—SVR的網(wǎng)絡(luò)態(tài)勢預(yù)測模型

    2018-12-05 09:14胡俊荷李芯蕊馬雙斌
    網(wǎng)絡(luò)空間安全 2018年4期
    關(guān)鍵詞:計劃行為理論

    胡俊荷 李芯蕊 馬雙斌

    摘 要:網(wǎng)絡(luò)態(tài)勢值是衡量網(wǎng)絡(luò)安全的重要指標(biāo),其值的高低直接影響網(wǎng)絡(luò)安全的優(yōu)劣。能夠有效地建立起網(wǎng)絡(luò)態(tài)勢預(yù)測模型,其意義對于預(yù)防網(wǎng)絡(luò)安全事件的發(fā)生以及網(wǎng)絡(luò)安全防護(hù)來講非同尋常。通過對網(wǎng)絡(luò)態(tài)勢的理解和分析,可知影響網(wǎng)絡(luò)態(tài)勢的因素很多且關(guān)系比較復(fù)雜,難以建立較為準(zhǔn)確的數(shù)學(xué)表達(dá)式來描述網(wǎng)絡(luò)態(tài)勢。因此,文章采用改進(jìn)的粒子群算法優(yōu)化支持向量回歸機(jī)模型的參數(shù),構(gòu)建起網(wǎng)絡(luò)態(tài)勢與影響因素兩者中的非線性映射關(guān)系,提出一種多種群的混沌粒子優(yōu)化算法,建立MSCPO-SVR網(wǎng)絡(luò)態(tài)勢預(yù)測模型,并得出預(yù)測結(jié)果。最后,通過與BP神經(jīng)網(wǎng)絡(luò)和SVR預(yù)測模型進(jìn)行對比,驗(yàn)證MSCPO-SVR預(yù)測模型的預(yù)測值與真實(shí)值的擬合性比較強(qiáng)。

    關(guān)鍵詞:計劃行為理論;涉密人員;保密行為;保密行為意向

    中圖分類號:TP 309;TP 393 文獻(xiàn)標(biāo)識碼:A

    Abstract: The Network trend value is an important index of network security, and it affects the merits of Network security directly. Its significant to effectively establish the Network Security Situation Prediction Model (NSSP) for the precaution of network intrusion and protection of the network. Through the comprehension and analysis of network security situation, we know there are many factors that can affect the security situation of network and the relationship between them are very complex. Therefore its difficult for us to describe the net security situation in a specific mathematical formula. Under these circumstances, in this essay, an improved particle swarm optimization is used to optimize the parameters of the Support Vector Regression Model, and constructs a non-linear mapping relation between the network situation and the influencing factors. We also proposes a multi-population chaotic particle optimization algorithm, establishes the MSCPO-SVR network trend prediction model and obtains the predicted result. Finally, by comparing the MSCPO-SVR prediction model with BP neural network and SVR prediction model, we prove that the prediction value of MSCPO-SVR prediction model is more fitted with the real value.

    Key words: situation prediction; particle swarm optimization algorithm; support vector regression; prediction model

    1 引言

    “互聯(lián)網(wǎng)+”的提出,使很多行業(yè)與互聯(lián)網(wǎng)進(jìn)行融合,網(wǎng)絡(luò)成為了人們?nèi)粘I钪忻懿豢煞值囊徊糠?。隨著其規(guī)模日益壯大,網(wǎng)絡(luò)已經(jīng)普遍應(yīng)用于各個領(lǐng)域?,F(xiàn)在攻擊者不僅對各種網(wǎng)絡(luò)數(shù)據(jù)的竊取,而且也開始對一些關(guān)鍵性基礎(chǔ)設(shè)施、政府、金融機(jī)構(gòu)和能源行業(yè)等進(jìn)行攻擊,給社會和國家?guī)砹艘欢ǖ挠绊憽?/p>

    張偉麗[1]分析了我國等級保護(hù)存在的問題,并提出了進(jìn)一步做好信息安全等級保護(hù)工作的建議;李連等[2]分析了云計算的基本特征及面臨的安全問題,總結(jié)了目前國際上關(guān)于云計算安全問題的研究現(xiàn)狀,討論了云計算安全技術(shù)框架和關(guān)鍵技術(shù);施超[3]從計算機(jī)網(wǎng)絡(luò)信息管理內(nèi)容的分類、計算機(jī)網(wǎng)絡(luò)信息管理工作中的安全問題分析以及計算機(jī)網(wǎng)絡(luò)信息安全防護(hù)策略分析這三個方面入手,對網(wǎng)絡(luò)信息管理進(jìn)行了較為詳細(xì)的分析與闡述,并據(jù)此論證了做好這一工作在進(jìn)一步提升計算機(jī)網(wǎng)絡(luò)信息管理質(zhì)量與管理效率的過程中所起到的至關(guān)重要的作用與意義;楊家興[4]對新時期的計算網(wǎng)絡(luò)通信的現(xiàn)狀和問題進(jìn)行分析,從而提出發(fā)展的策略并研究計算機(jī)網(wǎng)絡(luò)通信的發(fā)展趨勢。

    但是,以往傳統(tǒng)的網(wǎng)絡(luò)安全保護(hù)技術(shù)最多只可以描述過去和當(dāng)前的網(wǎng)絡(luò)安全態(tài)勢,都無法預(yù)測出未來的網(wǎng)絡(luò)安全態(tài)勢[5]。而本文提出的網(wǎng)絡(luò)態(tài)勢預(yù)測模型能通過模型本身的算法將影響因素與網(wǎng)絡(luò)態(tài)勢建立復(fù)雜的聯(lián)系,還可以對未來的網(wǎng)絡(luò)安全態(tài)勢進(jìn)行預(yù)測分析,使網(wǎng)絡(luò)安全的管理從被動變?yōu)橹鲃樱A(yù)防網(wǎng)絡(luò)安全事件的發(fā)生,降低網(wǎng)絡(luò)安全隱患給人們帶來不必要的損失。

    本文對國家互聯(lián)網(wǎng)應(yīng)急中心每周在網(wǎng)站上公布的態(tài)勢報告進(jìn)行分析,并對2013年第4期至2016年第37期的態(tài)勢報告進(jìn)行統(tǒng)計,確定了樣本數(shù)據(jù)集[6]。

    通過研究支持向量回歸機(jī),將多種群混沌粒子優(yōu)化算法(MSCPO)優(yōu)化支持向量機(jī)回歸機(jī)模型的參數(shù),通過對樣本數(shù)據(jù)集進(jìn)行訓(xùn)練,建立MSCPO-SVR網(wǎng)絡(luò)態(tài)勢預(yù)測模型,并得出預(yù)測結(jié)果。

    2 粒子群優(yōu)化算法及其改進(jìn)算法

    設(shè)在一個維數(shù)為D的搜索空間中,有一個種群x=(x1,x2,…,xn)由n個粒子組成,其中D維空間中第i個粒子的位置用一個D維的向量xi=[xi1,xi2,…xiD]T表示出來,同時這也表示為問題的一個潛在解。其中第i個粒子的速度為Vi=[Vi1,Vi2,…ViD]T,其粒子個體的極值為Pi=[Pi1,Pi2,…PiD]T,種群的全局極值為Pg=[Pg1,Pg2,…PgD]T。

    粒子每進(jìn)行一次尋優(yōu),都需要判斷個體極值和全局極值來更新自身的位置和速度,公式如下:

    式中:k為當(dāng)前迭代次數(shù);ω為慣性權(quán)重;d=1,2…,D;i=1,2…,n;Vid為粒子速度[7,8];

    非負(fù)常數(shù)C1、C2稱為加速度因子,取值一般根據(jù)實(shí)際情況確定;r1和r2為區(qū)間[0,1]之間的隨機(jī)數(shù)。

    在算法運(yùn)行的過程中,可能會出現(xiàn)某個粒子發(fā)現(xiàn)了疑似最優(yōu)的位置,而使得其他粒子迅速向其靠攏,使得算法陷入局部最優(yōu),早熟收斂的困境,從而導(dǎo)致算法無法在搜索空間中重新繼續(xù)搜索[9]。因此本文提出一種多種群混沌粒子優(yōu)化算法(Multi-Swarm Chaotic Particle Optimization,MSCPO)。該算法是利用混沌原理的隨機(jī)性,在初始階段對種群粒子進(jìn)行初始化,并將粒子分成三個種群,不同種群采用不同的更新策略,通過三個種群之間協(xié)同配合和實(shí)時信息共享,加快算法的收斂速度。通過種群適應(yīng)度方差這個指標(biāo)來判斷粒子是否陷入局部收斂,如果陷入則對其進(jìn)行混沌處理,幫助其逃離局部收斂點(diǎn),從而提高算法的優(yōu)化性能。

    MSCPO算法的具體步驟如下所示:

    Step1.利用混沌原理的隨機(jī)性對種群進(jìn)行初始化。搜尋空間為[ld,ud],

    通過適應(yīng)度函數(shù)算出所有粒子的適應(yīng)度的值(Fitness Value),對其值進(jìn)行排序,取種群較優(yōu)的2/5粒子作為第一種群,慣性權(quán)重系數(shù)w取最小值0.4;取種群較差的1/5粒子作為第二種群,慣性權(quán)重系數(shù) 取最大值0.9;剩下種群中間2/5粒子為第三種群[10]。

    Step2.對第一個和第二個種群采更新粒子的速度和位置;第三個種群采用本節(jié)的自適應(yīng)更新策略進(jìn)行更新。

    Step3.通過適應(yīng)度函數(shù)算出所有粒子的適應(yīng)度的值,若其值優(yōu)于粒子所經(jīng)歷過的個體最優(yōu)位置PBesti,則將其值更新為PBesti。若其值優(yōu)于種群的全局最優(yōu)位置GBest,則將其值更新為GBest。

    Step4.判斷否滿足結(jié)束條件,若滿足則輸出其值,不滿足則繼續(xù)執(zhí)行。

    Step5.通過種群適應(yīng)度方差σ2的值來判斷粒子是否陷入局部收斂,如式(5)所示,若σ2小于設(shè)定的閾值,繼續(xù)執(zhí)行,否則跳轉(zhuǎn)到Step2

    從而實(shí)現(xiàn)種群的混沌變異操作。

    多種群混沌粒子優(yōu)化算法的流程圖如圖1所示。

    3 支持向量機(jī)

    支持向量機(jī)(Support Vector Machine,SVM)的主要思想是建立一個分類超平面作為決策曲面,從而使正反例之間的隔離邊緣最大化;支持向量機(jī)的理論基礎(chǔ)是結(jié)構(gòu)風(fēng)險最小化的近似實(shí)現(xiàn)。這個原理基于泛化誤差率,即學(xué)習(xí)機(jī)器在測試數(shù)據(jù)上的誤差率,也就是以訓(xùn)練誤差率和一個依賴于VC(Vapnik-Chervonenkis dimension)的項(xiàng)的和為界,在可分模式情況下,其置前一項(xiàng)的值為零,并且使第二項(xiàng)的值最小化[11]。所以,支持向量機(jī)對于模式分類問題上可以提供良好的泛化性能,這是它特有的屬性。支持向量機(jī)具有幾個優(yōu)點(diǎn)[12]:

    通用性:能夠在很廣的各種函數(shù)集中構(gòu)造函數(shù);

    魯莽性:不需要微調(diào);

    有效性:在解決實(shí)際問題中總是屬于最好的方法之一;

    計算簡單:方法的實(shí)現(xiàn)只需要簡單的優(yōu)化技術(shù);

    理論上完善:基于VC推廣性理論的框架。

    支持向量機(jī)的體系結(jié)構(gòu)如圖所示。

    其中K為核函數(shù),其種類主要有:

    4 建立MSCPO-SVR預(yù)測模型

    根據(jù)支持向量機(jī)的理論,確定偏離參數(shù) 、懲罰參數(shù)C和核函數(shù)參數(shù) 三個參數(shù)才能確定SVR的網(wǎng)絡(luò)態(tài)勢預(yù)測模型。設(shè)置合理的參數(shù)對支持向量回歸模型的泛化能力的優(yōu)劣具有重要作用,通過判斷模型算法誤差率的大小,可以判斷模型參數(shù)的取值是否最優(yōu)。

    本節(jié)采用國家互聯(lián)網(wǎng)應(yīng)急中心網(wǎng)站上公布態(tài)勢報告,對2013年第4期至2016年第37期每期的態(tài)勢報告進(jìn)行統(tǒng)計,共統(tǒng)計190條樣本數(shù)據(jù),其數(shù)據(jù)包括感染網(wǎng)絡(luò)病毒主機(jī)數(shù)量、被篡改的網(wǎng)站數(shù)量、被植入后門的網(wǎng)站總數(shù)、網(wǎng)站的仿冒頁面數(shù)量和新增信息安全漏洞數(shù)量五個安全事件指標(biāo)[13]?;緫B(tài)勢分為:優(yōu)、良、中、差、危。為了便于實(shí)驗(yàn)的進(jìn)行,需將其轉(zhuǎn)化為具體數(shù)字來看待,如表1所示。

    將感染網(wǎng)絡(luò)病毒的主機(jī)數(shù)量(x1)、被篡改的網(wǎng)站數(shù)量(x2)、被植入后門的網(wǎng)站總數(shù)(x3)、網(wǎng)站的仿冒頁面數(shù)量(x4)和新增信息安全漏洞數(shù)量(x5)作為網(wǎng)絡(luò)態(tài)勢值的自變量,將網(wǎng)絡(luò)態(tài)勢值作為因變量。為了減小樣本數(shù)據(jù)不同量綱對結(jié)果引起不必要的誤差,需對樣本數(shù)據(jù)進(jìn)歸一化處理。利用MSCPO算法來優(yōu)化支持向量機(jī)的模型參數(shù),對本文采用的樣本數(shù)據(jù)集對模型進(jìn)行測試,選擇較優(yōu)的偏離參數(shù)ε、懲罰參數(shù)C和核函數(shù)參數(shù)σ三個參數(shù),建立MSCPO-SVR預(yù)測模型。

    MSCPO算法的適應(yīng)度函數(shù)為支持向量回歸模型的均方差,如式(5)所示。

    MSCPO-SVR預(yù)測模型的建立流程圖如圖3所示。

    5 模型預(yù)測結(jié)果

    取樣本數(shù)據(jù)的前180條數(shù)據(jù)作為訓(xùn)練集,后10條數(shù)據(jù)作為測試集。使用軟件MATLAB 2014b對上述模型進(jìn)行驗(yàn)證。MSCPO-SVR預(yù)測模型的結(jié)果如表2所示。

    其預(yù)測值與真實(shí)值的進(jìn)行對比,如圖4所示。

    由表2和圖4可知,對本文提出的MSCPO-SVR預(yù)測模型得出預(yù)測結(jié)果的絕對誤差均比較小,且預(yù)測值與真實(shí)值較為接近,擬合性較好。

    為了驗(yàn)證本文提出的MSCPO-SVR預(yù)測模型的預(yù)測性能,將其與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和SVR預(yù)測模型的預(yù)測結(jié)果進(jìn)行對比。其結(jié)果如表3所示。

    使用平均絕對誤差MAE、平均相對誤差MAPE和平均平方根誤差RMSE這三個評價指標(biāo)來對比MSCPO-SVR預(yù)測模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和SVR預(yù)測模型。三個預(yù)測模型預(yù)測結(jié)果的評價指標(biāo)值如表3所示。

    6 結(jié)束語

    本文采用MSCPO-SVR預(yù)測模型對網(wǎng)絡(luò)態(tài)勢進(jìn)行預(yù)測,得出的預(yù)測值與真實(shí)值的誤差比較小,具有較強(qiáng)的擬合性,通過與BP神經(jīng)網(wǎng)絡(luò)和SVR預(yù)測模型進(jìn)行對比,該模型預(yù)測值的評價指標(biāo)均比其它兩個預(yù)測模型低,可知該模型的預(yù)測效果比較好,且預(yù)測值與真實(shí)值的擬合性較高。

    由實(shí)驗(yàn)表明,MSCPO-SVR預(yù)測模型可以較好地預(yù)測網(wǎng)絡(luò)態(tài)勢,取得了較好的效果,增強(qiáng)網(wǎng)絡(luò)安全防御的主動性,降低網(wǎng)絡(luò)攻擊給人們帶來的損失,具有良好的實(shí)用性。

    參考文獻(xiàn)

    [1] 張偉麗.信息安全等級保護(hù)現(xiàn)狀淺析[J].網(wǎng)絡(luò)空間安全, 2014(9):9-13.

    [2] 李連,朱愛紅.云計算安全技術(shù)研究綜述[J].網(wǎng)絡(luò)空間安全, 2013, 4(5):42-45.

    [3] 施超.計算機(jī)網(wǎng)絡(luò)信息管理及其安全防護(hù)策略[J].網(wǎng)絡(luò)空間安全, 2012, 3(3):8-10.

    [4] 楊家興.新時期計算機(jī)網(wǎng)絡(luò)通信現(xiàn)狀及發(fā)展趨勢研究[J].網(wǎng)絡(luò)空間安全, 2013, 4(3):6-7.

    [5] 謝麗霞,王亞超,于巾博.基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢感知[J].清華大學(xué)學(xué)報(自然科學(xué)版), 2013(12):1750-1760.

    [6] 中國互聯(lián)網(wǎng)信息中心(CNNIC/CC).第39次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》,http://www.cnnic.net.cn.

    [7] 高昆侖,劉建明,徐茹枝,等.基于支持向量機(jī)和粒子群算法的信息網(wǎng)絡(luò)安全態(tài)勢復(fù)合預(yù)測模型[J].電網(wǎng)技術(shù), 2011(4):176-182.

    [8] 陳善學(xué),楊政,朱江,等.一種基于累加PSO-SVM的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型[J].計算機(jī)應(yīng)用研究, 2015, 32(6):1778-1781.

    [9] Mohandes M A. Modeling global solar radiation using Particle Swarm Optimization (PSO)[J]. Solar Energy, 2012, 86(11):3137-3145.

    [10] Xue L, Cai J, Li J, et al. Application of Particle Swarm Optimization (PSO) Algorithm to Determine Dichlorvos Residue on the Surface of Navel Orange with Vis-NIR Spectroscopy[J]. Procedia Engineering, 2012, 29(4):4124-4128.

    [11] 王霞,王占岐,金貴,等.基于核函數(shù)支持向量回歸機(jī)的耕地面積預(yù)測[J].農(nóng)業(yè)工程學(xué)報, 2014, 30(4):204-211.

    [12] Sch C, Laptev I, Caputo B. Recognizing Human Actions: A Local SVM Approach[C]// International Conference on Pattern Recognition. IEEE, 2004:32-36 Vol.3.

    [13] CNCERT.網(wǎng)絡(luò)安全基本態(tài)勢月報[J].2014(14):68。

    作者簡介:

    胡俊荷(1983-),女,漢族,甘肅蘭州人,甘肅省廣播電視學(xué)校,大專;主要研究方向和關(guān)注領(lǐng)域:計算機(jī)網(wǎng)絡(luò)。

    李芯蕊(1982-),女,漢族,甘肅蘭州人,蘭州大學(xué),本科;主要研究方向和關(guān)注領(lǐng)域:信息安全。

    馬雙斌(1990-),女,漢族,甘肅平?jīng)鋈?,蘭州城市學(xué)院,本科;主要研究方向和關(guān)注領(lǐng)域:信息安全。

    猜你喜歡
    計劃行為理論
    上海市居民新能源汽車出行行為研究
    計劃行為理論和PWM整合模型對大學(xué)生鍛煉行為意向預(yù)測的研究
    試論消費(fèi)者自拍行為的影響因素
    農(nóng)戶加入合作社意愿與行為的差異分析
    基于計劃行為理論的經(jīng)管類大學(xué)生創(chuàng)業(yè)意向分析
    基于拓展計劃行為理論的休閑農(nóng)業(yè)旅游行為意向研究
    消費(fèi)者低碳消費(fèi)意愿影響因素實(shí)證研究
    錦州市居民家庭固體廢棄物循環(huán)行為影響因素分析
    影響消費(fèi)者購買仿冒奢侈品意愿的研究陸施
    大學(xué)生研究性學(xué)習(xí)參與意愿的影響因素與提升措施
    国产精品人妻久久久久久| 亚洲av电影在线观看一区二区三区| 中文字幕人妻丝袜制服| 精品99又大又爽又粗少妇毛片| 亚洲精品色激情综合| 妹子高潮喷水视频| 成年美女黄网站色视频大全免费 | 在线观看美女被高潮喷水网站| 一级毛片黄色毛片免费观看视频| 一边摸一边做爽爽视频免费| 蜜桃在线观看..| 国产老妇伦熟女老妇高清| 精品久久久久久久久亚洲| 简卡轻食公司| 爱豆传媒免费全集在线观看| 免费观看在线日韩| 99久国产av精品国产电影| 只有这里有精品99| 欧美精品高潮呻吟av久久| 夜夜骑夜夜射夜夜干| 中文精品一卡2卡3卡4更新| 国产高清不卡午夜福利| 免费黄频网站在线观看国产| 高清不卡的av网站| 亚洲精品亚洲一区二区| 国产乱人偷精品视频| 制服人妻中文乱码| 久久久久精品久久久久真实原创| 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 | 国产伦精品一区二区三区视频9| 成年人免费黄色播放视频| 中文字幕亚洲精品专区| 国产精品免费大片| 国产精品成人在线| 亚洲在久久综合| 日韩欧美精品免费久久| 2022亚洲国产成人精品| 一区二区日韩欧美中文字幕 | 国产精品.久久久| 飞空精品影院首页| 一边亲一边摸免费视频| 纵有疾风起免费观看全集完整版| 一边摸一边做爽爽视频免费| 精品人妻偷拍中文字幕| 国产黄色视频一区二区在线观看| 视频在线观看一区二区三区| 午夜免费男女啪啪视频观看| 国产精品国产三级国产专区5o| 欧美另类一区| 纵有疾风起免费观看全集完整版| 久久久久久久久久久免费av| 国产成人午夜福利电影在线观看| 99久国产av精品国产电影| 欧美少妇被猛烈插入视频| 18禁裸乳无遮挡动漫免费视频| 亚洲经典国产精华液单| 欧美精品高潮呻吟av久久| 99视频精品全部免费 在线| 一本久久精品| 在线观看国产h片| 爱豆传媒免费全集在线观看| 男女边摸边吃奶| 中文字幕久久专区| 亚洲av综合色区一区| 一二三四中文在线观看免费高清| 色哟哟·www| 亚洲精品视频女| 国产精品国产av在线观看| 久久久a久久爽久久v久久| 欧美日韩av久久| 久久久久精品性色| 日韩成人av中文字幕在线观看| 寂寞人妻少妇视频99o| 亚洲少妇的诱惑av| 免费看av在线观看网站| 日韩欧美精品免费久久| 2018国产大陆天天弄谢| 超色免费av| 免费高清在线观看日韩| 人妻制服诱惑在线中文字幕| 99久久人妻综合| 午夜91福利影院| 97超视频在线观看视频| 中文欧美无线码| 国产熟女欧美一区二区| 午夜福利在线观看免费完整高清在| 日韩视频在线欧美| 久久国内精品自在自线图片| 青青草视频在线视频观看| 免费久久久久久久精品成人欧美视频 | 国产熟女欧美一区二区| 国产午夜精品一二区理论片| 久久99热6这里只有精品| 免费黄色在线免费观看| 我要看黄色一级片免费的| 久久久久久伊人网av| 18在线观看网站| 纵有疾风起免费观看全集完整版| 欧美三级亚洲精品| 欧美激情国产日韩精品一区| 久久av网站| 新久久久久国产一级毛片| 91精品国产国语对白视频| 多毛熟女@视频| 中国三级夫妇交换| 亚洲精品aⅴ在线观看| 你懂的网址亚洲精品在线观看| 亚洲久久久国产精品| 亚洲美女搞黄在线观看| 日本欧美国产在线视频| 美女内射精品一级片tv| 又粗又硬又长又爽又黄的视频| 久久99一区二区三区| 久久国产精品大桥未久av| 男人添女人高潮全过程视频| 妹子高潮喷水视频| 最后的刺客免费高清国语| www.色视频.com| 99国产综合亚洲精品| 久久婷婷青草| 丁香六月天网| 日日啪夜夜爽| 精品人妻一区二区三区麻豆| 999精品在线视频| 老司机亚洲免费影院| 美女内射精品一级片tv| 一二三四中文在线观看免费高清| 国产欧美另类精品又又久久亚洲欧美| 成年美女黄网站色视频大全免费 | 美女大奶头黄色视频| 一级毛片aaaaaa免费看小| 亚洲av免费高清在线观看| 成人影院久久| 欧美性感艳星| 最近最新中文字幕免费大全7| 国产 一区精品| 日本-黄色视频高清免费观看| 欧美+日韩+精品| 考比视频在线观看| 亚洲精品久久成人aⅴ小说 | 日日啪夜夜爽| 国产爽快片一区二区三区| 伊人久久精品亚洲午夜| 国产片特级美女逼逼视频| 中文字幕精品免费在线观看视频 | 一区在线观看完整版| 亚洲av中文av极速乱| 天堂中文最新版在线下载| 午夜福利,免费看| 99re6热这里在线精品视频| 久久精品熟女亚洲av麻豆精品| 久久久精品区二区三区| 高清欧美精品videossex| 久久 成人 亚洲| 久久韩国三级中文字幕| 国产精品欧美亚洲77777| 亚洲国产欧美在线一区| 亚洲欧美一区二区三区黑人 | 少妇被粗大猛烈的视频| 我的老师免费观看完整版| 性高湖久久久久久久久免费观看| 久久狼人影院| 久久久精品区二区三区| 如何舔出高潮| 2021少妇久久久久久久久久久| 中文精品一卡2卡3卡4更新| 精品久久久久久电影网| 五月玫瑰六月丁香| 成人国产麻豆网| 日韩av在线免费看完整版不卡| 22中文网久久字幕| 久久久久久久久久久久大奶| 人人妻人人爽人人添夜夜欢视频| 日韩电影二区| 乱码一卡2卡4卡精品| 亚洲精品456在线播放app| 久久精品国产亚洲网站| 久久精品国产亚洲网站| 国产在视频线精品| 啦啦啦视频在线资源免费观看| 亚洲色图综合在线观看| 大片电影免费在线观看免费| 日韩强制内射视频| 男女国产视频网站| 一区在线观看完整版| 欧美bdsm另类| 精品国产一区二区久久| 草草在线视频免费看| 一级a做视频免费观看| 有码 亚洲区| av又黄又爽大尺度在线免费看| 五月伊人婷婷丁香| 国产精品成人在线| 狠狠婷婷综合久久久久久88av| 黑丝袜美女国产一区| 亚洲av中文av极速乱| 寂寞人妻少妇视频99o| 一区二区日韩欧美中文字幕 | 丰满迷人的少妇在线观看| 日韩av免费高清视频| 国产伦精品一区二区三区视频9| 美女大奶头黄色视频| 大话2 男鬼变身卡| 精品熟女少妇av免费看| videosex国产| 欧美+日韩+精品| 国产成人精品在线电影| 成人免费观看视频高清| 欧美日韩一区二区视频在线观看视频在线| 日韩av在线免费看完整版不卡| 欧美精品一区二区免费开放| 日韩大片免费观看网站| 欧美日韩成人在线一区二区| a级片在线免费高清观看视频| 成年人免费黄色播放视频| 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 | 大又大粗又爽又黄少妇毛片口| 18禁观看日本| 精品亚洲成a人片在线观看| 另类亚洲欧美激情| 日本欧美视频一区| 国产精品不卡视频一区二区| 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 | 飞空精品影院首页| 久久久a久久爽久久v久久| 国产高清三级在线| 熟妇人妻不卡中文字幕| 久久精品熟女亚洲av麻豆精品| 欧美97在线视频| 日韩电影二区| 国产一区二区三区综合在线观看 | 中文乱码字字幕精品一区二区三区| 在现免费观看毛片| 日韩欧美精品免费久久| 久久 成人 亚洲| 久久国内精品自在自线图片| 在线亚洲精品国产二区图片欧美 | 男女啪啪激烈高潮av片| 超色免费av| 午夜日本视频在线| 18禁裸乳无遮挡动漫免费视频| 91国产中文字幕| 69精品国产乱码久久久| 精品午夜福利在线看| 国产成人免费观看mmmm| 天美传媒精品一区二区| 久久韩国三级中文字幕| 在线观看www视频免费| 高清不卡的av网站| 国产精品欧美亚洲77777| 人人澡人人妻人| 狂野欧美激情性bbbbbb| 午夜激情av网站| 黑人巨大精品欧美一区二区蜜桃 | 丝袜在线中文字幕| 伊人久久国产一区二区| 香蕉精品网在线| 91精品一卡2卡3卡4卡| 黄色配什么色好看| 日韩av在线免费看完整版不卡| 欧美人与性动交α欧美精品济南到 | 亚洲国产成人一精品久久久| 性色avwww在线观看| 最近的中文字幕免费完整| av女优亚洲男人天堂| 国模一区二区三区四区视频| 插阴视频在线观看视频| 简卡轻食公司| av女优亚洲男人天堂| 精品亚洲乱码少妇综合久久| av在线老鸭窝| 在线播放无遮挡| 99精国产麻豆久久婷婷| 亚洲av日韩在线播放| 亚洲怡红院男人天堂| 夜夜看夜夜爽夜夜摸| 精品国产乱码久久久久久小说| 精品国产一区二区久久| 国产亚洲欧美精品永久| 亚洲婷婷狠狠爱综合网| 高清毛片免费看| 天天影视国产精品| 三级国产精品欧美在线观看| 国产欧美日韩综合在线一区二区| 大码成人一级视频| 亚洲欧美清纯卡通| 日本黄色片子视频| 久久久久久久久久成人| 免费观看在线日韩| 啦啦啦在线观看免费高清www| 日韩中文字幕视频在线看片| 国产成人av激情在线播放 | 亚洲欧美中文字幕日韩二区| 亚洲人与动物交配视频| 欧美 日韩 精品 国产| 国产精品不卡视频一区二区| 免费观看a级毛片全部| 亚洲av男天堂| 人人澡人人妻人| 国产爽快片一区二区三区| 在线精品无人区一区二区三| 国产精品 国内视频| av在线播放精品| 啦啦啦啦在线视频资源| 国产乱来视频区| 纯流量卡能插随身wifi吗| 日韩一区二区视频免费看| 伊人亚洲综合成人网| 亚洲美女视频黄频| 18禁在线无遮挡免费观看视频| 国产 精品1| 国产精品久久久久久久久免| 亚洲av在线观看美女高潮| 国产av一区二区精品久久| 久久av网站| 免费观看在线日韩| 国产国语露脸激情在线看| 男女高潮啪啪啪动态图| 一本久久精品| 国产视频内射| 久久鲁丝午夜福利片| 少妇的逼水好多| 欧美日韩综合久久久久久| 日韩av在线免费看完整版不卡| 少妇的逼好多水| 欧美日韩视频高清一区二区三区二| 一本久久精品| 三上悠亚av全集在线观看| 欧美日本中文国产一区发布| 永久网站在线| 色吧在线观看| av在线播放精品| 韩国av在线不卡| 国产又色又爽无遮挡免| 视频区图区小说| 国产亚洲最大av| 青青草视频在线视频观看| 久久精品国产亚洲网站| 在线播放无遮挡| 大话2 男鬼变身卡| 亚洲综合色网址| 综合色丁香网| 亚洲欧美中文字幕日韩二区| 久久婷婷青草| 国产av码专区亚洲av| 中文字幕最新亚洲高清| 日本欧美国产在线视频| 人妻 亚洲 视频| 欧美日韩成人在线一区二区| 制服人妻中文乱码| 久久人人爽人人片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 | 黑丝袜美女国产一区| 亚洲精品日韩在线中文字幕| 各种免费的搞黄视频| 大香蕉97超碰在线| 日韩精品免费视频一区二区三区 | av在线app专区| 纵有疾风起免费观看全集完整版| 国产成人免费观看mmmm| 最近手机中文字幕大全| 涩涩av久久男人的天堂| 黄色配什么色好看| 久久久久久伊人网av| a级毛色黄片| 久久精品国产亚洲av涩爱| 99热网站在线观看| 美女cb高潮喷水在线观看| 亚洲av成人精品一区久久| 午夜福利,免费看| 最近中文字幕2019免费版| 汤姆久久久久久久影院中文字幕| 欧美bdsm另类| 日韩强制内射视频| 韩国av在线不卡| 欧美97在线视频| 在线看a的网站| 男女国产视频网站| 午夜福利影视在线免费观看| 午夜福利视频在线观看免费| 亚洲成人av在线免费| 少妇人妻 视频| 日韩免费高清中文字幕av| 飞空精品影院首页| 成人亚洲欧美一区二区av| av福利片在线| 人妻人人澡人人爽人人| 99久久人妻综合| 国产av码专区亚洲av| 亚洲综合色惰| 狂野欧美激情性bbbbbb| 国产成人一区二区在线| 国产成人91sexporn| 亚洲av电影在线观看一区二区三区| 建设人人有责人人尽责人人享有的| 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 | 大陆偷拍与自拍| 26uuu在线亚洲综合色| 午夜福利影视在线免费观看| 亚洲精品乱码久久久v下载方式| 在线看a的网站| 国产男女内射视频| 成年人午夜在线观看视频| 欧美激情 高清一区二区三区| 一区在线观看完整版| 国产精品久久久久久av不卡| 国产无遮挡羞羞视频在线观看| 99国产精品免费福利视频| 成人国产麻豆网| 免费观看无遮挡的男女| 欧美日韩亚洲高清精品| 国产一区二区三区综合在线观看 | 成人毛片60女人毛片免费| 啦啦啦在线观看免费高清www| 久久久久精品性色| 久久久久久久久久成人| 街头女战士在线观看网站| videossex国产| 少妇精品久久久久久久| 欧美亚洲 丝袜 人妻 在线| 校园人妻丝袜中文字幕| 亚洲不卡免费看| 永久网站在线| 成人影院久久| 中文字幕亚洲精品专区| 99精国产麻豆久久婷婷| 一级毛片电影观看| 91精品国产九色| 国产成人精品在线电影| 九色成人免费人妻av| 插阴视频在线观看视频| 在线观看一区二区三区激情| 观看美女的网站| 亚洲精品第二区| 欧美老熟妇乱子伦牲交| 亚洲激情五月婷婷啪啪| 搡老乐熟女国产| 丁香六月天网| 街头女战士在线观看网站| 一本大道久久a久久精品| 久久久精品免费免费高清| 搡女人真爽免费视频火全软件| 国内精品宾馆在线| 另类亚洲欧美激情| 国产精品国产三级国产av玫瑰| 美女国产高潮福利片在线看| 尾随美女入室| 街头女战士在线观看网站| 国产精品久久久久久av不卡| 97超碰精品成人国产| 国产精品国产三级国产av玫瑰| 99国产综合亚洲精品| 777米奇影视久久| 亚洲av不卡在线观看| 午夜av观看不卡| 国模一区二区三区四区视频| 日韩欧美一区视频在线观看| 一区在线观看完整版| 99热全是精品| 久久久久久久久久成人| 国产成人免费观看mmmm| 日本黄色片子视频| 欧美精品一区二区大全| 国国产精品蜜臀av免费| 久久久久久人妻| 亚洲精品,欧美精品| 一区二区三区乱码不卡18| 免费看不卡的av| 久久久久久久久大av| 99久久人妻综合| 亚洲精品亚洲一区二区| 国产av国产精品国产| 亚洲精品美女久久av网站| 欧美国产精品一级二级三级| 飞空精品影院首页| 亚洲人成77777在线视频| 啦啦啦在线观看免费高清www| 18禁观看日本| 亚洲成色77777| 精品一区在线观看国产| 国产精品久久久久久久久免| 在线看a的网站| 午夜91福利影院| 国产伦理片在线播放av一区| 亚洲伊人久久精品综合| 天堂俺去俺来也www色官网| 午夜日本视频在线| 国产亚洲一区二区精品| 一级毛片黄色毛片免费观看视频| 国产精品一区二区在线不卡| 欧美一级a爱片免费观看看| 日韩不卡一区二区三区视频在线| 久久精品国产亚洲网站| 日韩人妻高清精品专区| 日日摸夜夜添夜夜爱| 80岁老熟妇乱子伦牲交| 极品人妻少妇av视频| 熟女人妻精品中文字幕| 欧美+日韩+精品| 亚洲精品色激情综合| 丝瓜视频免费看黄片| 国产精品 国内视频| 国产亚洲精品久久久com| 人人妻人人澡人人爽人人夜夜| 男女边吃奶边做爰视频| 一个人免费看片子| 欧美精品一区二区免费开放| 色婷婷久久久亚洲欧美| 日韩,欧美,国产一区二区三区| 日韩中文字幕视频在线看片| 国产精品久久久久久久久免| 久久99精品国语久久久| 高清欧美精品videossex| 午夜福利,免费看| 国产男女内射视频| 国产在线一区二区三区精| av播播在线观看一区| 少妇 在线观看| 成人亚洲欧美一区二区av| 亚洲情色 制服丝袜| 久久这里有精品视频免费| 成人国语在线视频| 亚洲美女搞黄在线观看| 一区在线观看完整版| 国产精品嫩草影院av在线观看| 亚洲成色77777| 天美传媒精品一区二区| a级片在线免费高清观看视频| 在线观看国产h片| 91精品一卡2卡3卡4卡| 9色porny在线观看| 日韩,欧美,国产一区二区三区| 色视频在线一区二区三区| 国产一区有黄有色的免费视频| 日韩制服骚丝袜av| 国产精品久久久久久精品古装| 一区二区三区精品91| av女优亚洲男人天堂| 欧美日韩综合久久久久久| 久久午夜综合久久蜜桃| 久久婷婷青草| 亚洲国产av影院在线观看| 如何舔出高潮| 18在线观看网站| 午夜激情福利司机影院| 亚洲av日韩在线播放| 亚洲综合精品二区| 免费高清在线观看日韩| 日韩强制内射视频| 日本91视频免费播放| 日本vs欧美在线观看视频| 欧美3d第一页| 国产极品天堂在线| 少妇熟女欧美另类| 成人毛片60女人毛片免费| 国产免费一区二区三区四区乱码| 亚洲国产日韩一区二区| 天堂8中文在线网| 在线播放无遮挡| 男女边吃奶边做爰视频| 大又大粗又爽又黄少妇毛片口| 各种免费的搞黄视频| 成年av动漫网址| 免费观看a级毛片全部| 一级黄片播放器| 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| 在线 av 中文字幕| 国产成人精品久久久久久| 一区二区三区免费毛片| 成人免费观看视频高清| 黄色毛片三级朝国网站| 一个人看视频在线观看www免费| 久久午夜综合久久蜜桃| 欧美变态另类bdsm刘玥| 精品一区在线观看国产| 久久婷婷青草| 多毛熟女@视频| tube8黄色片| 国产精品人妻久久久影院| 精品人妻一区二区三区麻豆| 国产成人91sexporn| 亚洲图色成人| 精品久久久久久电影网| 亚洲不卡免费看| 日本vs欧美在线观看视频| 国产欧美日韩一区二区三区在线 | 久久久久网色| 天天操日日干夜夜撸| 国产成人aa在线观看| 国产黄色免费在线视频| 午夜激情福利司机影院| 男女啪啪激烈高潮av片| 熟女人妻精品中文字幕| freevideosex欧美| 日韩一区二区三区影片| 22中文网久久字幕| 国产成人aa在线观看| 日韩一本色道免费dvd| av不卡在线播放| 人妻夜夜爽99麻豆av| 人妻少妇偷人精品九色| 国产精品 国内视频| 美女国产高潮福利片在线看| 交换朋友夫妻互换小说| 日韩 亚洲 欧美在线| 欧美亚洲 丝袜 人妻 在线| 国产亚洲一区二区精品| 国产极品天堂在线| 成人二区视频| 菩萨蛮人人尽说江南好唐韦庄| 十八禁高潮呻吟视频| 亚洲一级一片aⅴ在线观看| 91成人精品电影|