• <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
    97热精品久久久久久| 啦啦啦韩国在线观看视频| 中国国产av一级| 黄片无遮挡物在线观看| 免费av不卡在线播放| 老女人水多毛片| 亚洲一区高清亚洲精品| 99riav亚洲国产免费| 床上黄色一级片| 99久久精品热视频| 国产高清激情床上av| www日本黄色视频网| 免费观看a级毛片全部| 久久人人精品亚洲av| 91aial.com中文字幕在线观看| 国产爱豆传媒在线观看| 1000部很黄的大片| 边亲边吃奶的免费视频| 天天躁夜夜躁狠狠久久av| 国产三级中文精品| 国语自产精品视频在线第100页| 精品国内亚洲2022精品成人| 久久精品夜色国产| 美女cb高潮喷水在线观看| 卡戴珊不雅视频在线播放| 亚洲最大成人av| 色吧在线观看| 日本黄色视频三级网站网址| 内射极品少妇av片p| 国产 一区 欧美 日韩| 国产精品蜜桃在线观看 | 亚洲五月天丁香| 丰满的人妻完整版| 国产女主播在线喷水免费视频网站 | 亚洲欧美中文字幕日韩二区| 国产精品女同一区二区软件| 搡女人真爽免费视频火全软件| 国产高清不卡午夜福利| 欧美最黄视频在线播放免费| 蜜桃亚洲精品一区二区三区| 久久久久性生活片| www.色视频.com| 日本成人三级电影网站| 亚洲av中文字字幕乱码综合| 免费观看的影片在线观看| 最新中文字幕久久久久| 国产老妇女一区| 免费一级毛片在线播放高清视频| 国产精品伦人一区二区| 亚洲精品国产av成人精品| av在线天堂中文字幕| av天堂在线播放| 大香蕉久久网| 国产在线精品亚洲第一网站| 能在线免费观看的黄片| 精品免费久久久久久久清纯| 人人妻人人澡欧美一区二区| 国产精品一区二区在线观看99 | 麻豆成人av视频| 亚洲国产精品国产精品| 精品人妻熟女av久视频| 国模一区二区三区四区视频| 美女xxoo啪啪120秒动态图| 色5月婷婷丁香| 国产高清三级在线| 极品教师在线视频| 在现免费观看毛片| 中国美女看黄片| 噜噜噜噜噜久久久久久91| 丰满人妻一区二区三区视频av| 神马国产精品三级电影在线观看| 成年版毛片免费区| 亚洲人成网站在线观看播放| 高清毛片免费看| 精品一区二区三区视频在线| 日本免费a在线| 亚洲av.av天堂| 长腿黑丝高跟| 天美传媒精品一区二区| 成人无遮挡网站| 成年免费大片在线观看| 国产精品麻豆人妻色哟哟久久 | 国产乱人视频| 欧美+日韩+精品| 99久久人妻综合| 欧美色欧美亚洲另类二区| 国产亚洲av嫩草精品影院| 国产黄色小视频在线观看| 99热只有精品国产| 少妇丰满av| 国产精品久久久久久亚洲av鲁大| 欧美日韩一区二区视频在线观看视频在线 | 国产极品精品免费视频能看的| 欧美不卡视频在线免费观看| 国产精品电影一区二区三区| 天天躁日日操中文字幕| 成人国产麻豆网| 神马国产精品三级电影在线观看| 成年女人看的毛片在线观看| 黄色一级大片看看| 日韩在线高清观看一区二区三区| 午夜精品一区二区三区免费看| 国产精品伦人一区二区| 99热6这里只有精品| 99riav亚洲国产免费| 狠狠狠狠99中文字幕| 欧美性感艳星| 免费不卡的大黄色大毛片视频在线观看 | 久久99热这里只有精品18| 国产av不卡久久| 久久精品国产自在天天线| 2021天堂中文幕一二区在线观| 一区二区三区高清视频在线| 黄色日韩在线| 搞女人的毛片| 国产成人精品久久久久久| 国产成人精品久久久久久| 久久精品91蜜桃| 国语自产精品视频在线第100页| 日韩,欧美,国产一区二区三区 | 丝袜喷水一区| 久久精品国产亚洲av天美| 韩国av在线不卡| 午夜爱爱视频在线播放| 午夜免费激情av| 国模一区二区三区四区视频| 69av精品久久久久久| 最近视频中文字幕2019在线8| 亚州av有码| 国产伦精品一区二区三区视频9| 亚洲精品成人久久久久久| 亚洲欧美成人综合另类久久久 | 少妇被粗大猛烈的视频| 自拍偷自拍亚洲精品老妇| 免费无遮挡裸体视频| 欧美不卡视频在线免费观看| 国产毛片a区久久久久| 看免费成人av毛片| 亚洲av二区三区四区| 永久网站在线| 亚洲成人久久性| 国产精品久久久久久久电影| 亚洲成人av在线免费| 亚洲av二区三区四区| 色哟哟哟哟哟哟| 此物有八面人人有两片| 亚洲激情五月婷婷啪啪| 久久久成人免费电影| 国产高清激情床上av| 精品国内亚洲2022精品成人| 一本精品99久久精品77| 男女那种视频在线观看| 十八禁国产超污无遮挡网站| 免费看日本二区| 久久精品久久久久久久性| 成人鲁丝片一二三区免费| 午夜福利成人在线免费观看| 内地一区二区视频在线| 内地一区二区视频在线| 日本三级黄在线观看| 乱码一卡2卡4卡精品| 久久久a久久爽久久v久久| 精品久久久噜噜| 精品久久久噜噜| 久久久a久久爽久久v久久| 99热精品在线国产| 亚洲欧美成人精品一区二区| 欧美高清成人免费视频www| 熟妇人妻久久中文字幕3abv| www.av在线官网国产| 在线a可以看的网站| 国产精品久久久久久久电影| 日本免费一区二区三区高清不卡| 国产激情偷乱视频一区二区| 欧美高清成人免费视频www| 欧美不卡视频在线免费观看| 99久久九九国产精品国产免费| 身体一侧抽搐| 听说在线观看完整版免费高清| 97超视频在线观看视频| 日韩三级伦理在线观看| 国产成人福利小说| 国产成人影院久久av| 欧洲精品卡2卡3卡4卡5卡区| 亚洲国产日韩欧美精品在线观看| 99久久久亚洲精品蜜臀av| 我的女老师完整版在线观看| av在线播放精品| 国产精品蜜桃在线观看 | 欧美日韩综合久久久久久| 最新中文字幕久久久久| 国产乱人视频| 搞女人的毛片| 日日啪夜夜撸| 国产一区二区在线av高清观看| 男人的好看免费观看在线视频| 国产av一区在线观看免费| 三级经典国产精品| 97人妻精品一区二区三区麻豆| 日韩欧美三级三区| 亚洲一级一片aⅴ在线观看| 日韩成人av中文字幕在线观看| 免费av不卡在线播放| 美女国产视频在线观看| 久久这里只有精品中国| 男女啪啪激烈高潮av片| 你懂的网址亚洲精品在线观看 | 青春草国产在线视频 | 日本免费a在线| 欧美激情在线99| 久久99热这里只有精品18| 亚洲成人久久性| 尾随美女入室| 国产av一区在线观看免费| 色尼玛亚洲综合影院| 成年免费大片在线观看| 久久久久网色| 精品久久久久久久久久久久久| 国产精品爽爽va在线观看网站| 欧美成人一区二区免费高清观看| 三级国产精品欧美在线观看| 国产亚洲精品久久久久久毛片| 免费看av在线观看网站| 欧美性感艳星| 久久人人爽人人爽人人片va| 久久久精品欧美日韩精品| 成人无遮挡网站| 乱系列少妇在线播放| 国产人妻一区二区三区在| 亚洲人与动物交配视频| 午夜免费男女啪啪视频观看| 午夜a级毛片| 日本一二三区视频观看| 亚洲无线观看免费| 美女国产视频在线观看| 晚上一个人看的免费电影| 精品熟女少妇av免费看| 免费看美女性在线毛片视频| 天堂影院成人在线观看| 最好的美女福利视频网| 97热精品久久久久久| 赤兔流量卡办理| 3wmmmm亚洲av在线观看| 精品无人区乱码1区二区| 91狼人影院| 美女国产视频在线观看| 欧美成人精品欧美一级黄| 看十八女毛片水多多多| 一级毛片电影观看 | 中文字幕免费在线视频6| 亚洲国产高清在线一区二区三| 亚洲国产欧美人成| 国产亚洲av片在线观看秒播厂 | av在线亚洲专区| 免费av毛片视频| 午夜激情福利司机影院| 午夜福利在线观看免费完整高清在 | 好男人视频免费观看在线| 99久久精品一区二区三区| 五月伊人婷婷丁香| 99热全是精品| 身体一侧抽搐| 性插视频无遮挡在线免费观看| 精品久久久久久久人妻蜜臀av| 五月伊人婷婷丁香| 国产69精品久久久久777片| 国产精品久久久久久久电影| 99国产精品一区二区蜜桃av| 欧美日本视频| 一级毛片电影观看 | 日韩欧美在线乱码| 精品午夜福利在线看| 一边亲一边摸免费视频| 如何舔出高潮| 国产av在哪里看| 午夜免费激情av| 国产伦一二天堂av在线观看| 国产成人精品婷婷| 亚洲国产精品久久男人天堂| 日产精品乱码卡一卡2卡三| 毛片一级片免费看久久久久| 尾随美女入室| 亚洲最大成人av| 国产成人a区在线观看| 精品人妻偷拍中文字幕| 好男人视频免费观看在线| 欧美人与善性xxx| 日韩欧美三级三区| 久久精品国产亚洲av天美| 1000部很黄的大片| 一本久久中文字幕| 日本成人三级电影网站| 99国产精品一区二区蜜桃av| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品,欧美在线| 亚洲av不卡在线观看| 又粗又爽又猛毛片免费看| 嫩草影院入口| 国产精品.久久久| 嫩草影院精品99| 国产精品麻豆人妻色哟哟久久 | 日本五十路高清| 乱人视频在线观看| 久久久a久久爽久久v久久| av在线观看视频网站免费| 丝袜美腿在线中文| 人人妻人人看人人澡| 男女下面进入的视频免费午夜| 18禁在线无遮挡免费观看视频| 欧美成人免费av一区二区三区| 日本黄大片高清| 精品久久国产蜜桃| 国产黄色视频一区二区在线观看 | 国产一级毛片七仙女欲春2| 嫩草影院精品99| 亚洲人成网站高清观看| 丰满的人妻完整版| 嘟嘟电影网在线观看| 日本黄大片高清| 亚洲国产精品成人综合色| 成人午夜精彩视频在线观看| 国产精品免费一区二区三区在线| 免费在线观看成人毛片| 日韩,欧美,国产一区二区三区 | 成人特级av手机在线观看| 直男gayav资源| 久久人人精品亚洲av| 久久国内精品自在自线图片| 97超碰精品成人国产| 久久婷婷人人爽人人干人人爱| 最近2019中文字幕mv第一页| 日本黄色视频三级网站网址| 欧美zozozo另类| 国产探花在线观看一区二区| 国产精品一区二区三区四区久久| 日本三级黄在线观看| 欧美日本亚洲视频在线播放| 人妻少妇偷人精品九色| 一进一出抽搐gif免费好疼| 成人无遮挡网站| 天天一区二区日本电影三级| 18禁在线播放成人免费| 精品久久久久久久久久免费视频| 在线观看一区二区三区| 人妻系列 视频| 亚洲国产高清在线一区二区三| 日韩成人av中文字幕在线观看| 久久久欧美国产精品| 欧美精品国产亚洲| 国产成人aa在线观看| 波野结衣二区三区在线| 午夜亚洲福利在线播放| 六月丁香七月| 国产精品不卡视频一区二区| 亚洲精品国产成人久久av| 内地一区二区视频在线| 亚洲欧美日韩无卡精品| 午夜爱爱视频在线播放| av在线蜜桃| 亚洲欧美日韩卡通动漫| 天天一区二区日本电影三级| 一级二级三级毛片免费看| 国产伦精品一区二区三区四那| 亚州av有码| 一卡2卡三卡四卡精品乱码亚洲| 一进一出抽搐gif免费好疼| 一本久久精品| 免费看光身美女| 国产一区二区三区在线臀色熟女| 中文字幕av在线有码专区| 亚洲成人精品中文字幕电影| 久久人人爽人人片av| 日本-黄色视频高清免费观看| 69av精品久久久久久| 麻豆一二三区av精品| 丰满的人妻完整版| 国产乱人偷精品视频| 国产 一区精品| 国产片特级美女逼逼视频| 日韩,欧美,国产一区二区三区 | 狠狠狠狠99中文字幕| 国产av麻豆久久久久久久| av免费在线看不卡| 高清在线视频一区二区三区 | 又粗又爽又猛毛片免费看| 1024手机看黄色片| 夜夜看夜夜爽夜夜摸| 在线观看美女被高潮喷水网站| 赤兔流量卡办理| 九色成人免费人妻av| 国产在视频线在精品| 少妇被粗大猛烈的视频| 亚洲国产精品久久男人天堂| 婷婷六月久久综合丁香| 成人二区视频| av国产免费在线观看| 特大巨黑吊av在线直播| 91av网一区二区| 99热这里只有是精品在线观看| 蜜臀久久99精品久久宅男| 99久久精品国产国产毛片| 日本成人三级电影网站| 亚洲精品国产av成人精品| 麻豆成人av视频| 淫秽高清视频在线观看| 伊人久久精品亚洲午夜| 国产高清有码在线观看视频| 亚洲国产日韩欧美精品在线观看| 免费看美女性在线毛片视频| 白带黄色成豆腐渣| 男女视频在线观看网站免费| www.av在线官网国产| 久久韩国三级中文字幕| 欧美日韩综合久久久久久| 国模一区二区三区四区视频| av在线蜜桃| 51国产日韩欧美| 国产熟女欧美一区二区| 久99久视频精品免费| 日本免费一区二区三区高清不卡| 久久人人爽人人片av| 只有这里有精品99| 亚洲欧美精品综合久久99| 看非洲黑人一级黄片| 国产乱人偷精品视频| 国产一区亚洲一区在线观看| 99热这里只有是精品50| 国产真实伦视频高清在线观看| 久久精品夜色国产| 欧美日韩在线观看h| 热99re8久久精品国产| 波野结衣二区三区在线| 国产黄片视频在线免费观看| 赤兔流量卡办理| 99在线人妻在线中文字幕| 亚洲图色成人| 亚洲第一区二区三区不卡| 麻豆国产97在线/欧美| 91狼人影院| 亚洲欧美日韩无卡精品| 国产成人影院久久av| 啦啦啦韩国在线观看视频| 2021天堂中文幕一二区在线观| 久久精品综合一区二区三区| 春色校园在线视频观看| 国产精品伦人一区二区| 亚洲经典国产精华液单| 免费观看人在逋| 国产一区亚洲一区在线观看| 亚洲国产高清在线一区二区三| 亚洲成人中文字幕在线播放| 嫩草影院新地址| 成人无遮挡网站| 久久久久性生活片| 九草在线视频观看| 精品人妻视频免费看| 欧美在线一区亚洲| 国产在线男女| 黑人高潮一二区| 国产精品蜜桃在线观看 | 99视频精品全部免费 在线| 18禁在线无遮挡免费观看视频| 欧美不卡视频在线免费观看| 男女边吃奶边做爰视频| 婷婷色av中文字幕| 久久久久久久久久久免费av| 成人漫画全彩无遮挡| 国内久久婷婷六月综合欲色啪| 国产av在哪里看| 午夜激情福利司机影院| 美女脱内裤让男人舔精品视频 | 国内精品宾馆在线| 国产精品国产高清国产av| 国产av不卡久久| 亚洲精品乱码久久久v下载方式| 伦理电影大哥的女人| 免费av毛片视频| 日日摸夜夜添夜夜爱| 欧美丝袜亚洲另类| 亚洲久久久久久中文字幕| 亚洲成av人片在线播放无| 精品一区二区免费观看| 国产亚洲av嫩草精品影院| 国产白丝娇喘喷水9色精品| 嫩草影院新地址| 熟妇人妻久久中文字幕3abv| 人人妻人人澡欧美一区二区| 精品久久久久久久末码| 伦精品一区二区三区| 在线观看美女被高潮喷水网站| av在线亚洲专区| 少妇裸体淫交视频免费看高清| 日韩在线高清观看一区二区三区| 成年女人永久免费观看视频| 免费人成在线观看视频色| 国产精品三级大全| 欧美潮喷喷水| 久久精品综合一区二区三区| 小蜜桃在线观看免费完整版高清| 91久久精品国产一区二区三区| 日韩在线高清观看一区二区三区| 国产精品精品国产色婷婷| 中文字幕av在线有码专区| 国产视频首页在线观看| 亚洲人成网站在线观看播放| 精品午夜福利在线看| 国产色爽女视频免费观看| 男女下面进入的视频免费午夜| 校园春色视频在线观看| 亚洲精品成人久久久久久| 麻豆av噜噜一区二区三区| 国产精品综合久久久久久久免费| 校园人妻丝袜中文字幕| 69人妻影院| 中文资源天堂在线| 久久综合国产亚洲精品| 免费一级毛片在线播放高清视频| 九九热线精品视视频播放| 99热精品在线国产| 久久人人爽人人爽人人片va| 99热精品在线国产| 色综合站精品国产| 人人妻人人看人人澡| 狂野欧美激情性xxxx在线观看| 中文字幕av在线有码专区| 我要看日韩黄色一级片| 亚洲,欧美,日韩| 黄色视频,在线免费观看| 免费av观看视频| 久久久久久久午夜电影| 日韩欧美在线乱码| 高清在线视频一区二区三区 | 日日啪夜夜撸| 青春草国产在线视频 | 免费人成视频x8x8入口观看| 一级毛片aaaaaa免费看小| 亚洲av免费在线观看| 成年av动漫网址| 亚洲精品自拍成人| 久久午夜亚洲精品久久| 国产亚洲精品久久久久久毛片| 亚洲精品影视一区二区三区av| 亚洲色图av天堂| 国产精品久久视频播放| 一级黄色大片毛片| 亚洲精品国产av成人精品| 亚洲一区二区三区色噜噜| 精品欧美国产一区二区三| 国内少妇人妻偷人精品xxx网站| 非洲黑人性xxxx精品又粗又长| 久久99蜜桃精品久久| 乱系列少妇在线播放| 国产三级在线视频| 久久精品国产亚洲网站| 天天躁夜夜躁狠狠久久av| 夜夜夜夜夜久久久久| 精品久久久久久久久亚洲| 久久精品国产鲁丝片午夜精品| 亚洲综合色惰| 日韩大尺度精品在线看网址| 国产黄a三级三级三级人| 一级毛片aaaaaa免费看小| 嫩草影院精品99| 成人高潮视频无遮挡免费网站| av卡一久久| 日本-黄色视频高清免费观看| 能在线免费观看的黄片| 2021天堂中文幕一二区在线观| 国产精品蜜桃在线观看 | 欧美成人a在线观看| 色综合色国产| av视频在线观看入口| 国产熟女欧美一区二区| 国产精品久久久久久精品电影小说 | 可以在线观看毛片的网站| 草草在线视频免费看| 国产精品蜜桃在线观看 | 美女内射精品一级片tv| 国产精品99久久久久久久久| 黄色视频,在线免费观看| www.av在线官网国产| 国产精品久久视频播放| 国产精品一区二区性色av| 青春草国产在线视频 | 久久国内精品自在自线图片| 日韩精品青青久久久久久| 校园春色视频在线观看| 99热只有精品国产| 免费av观看视频| 嫩草影院入口| 男的添女的下面高潮视频| 91精品国产九色| 色综合亚洲欧美另类图片| a级一级毛片免费在线观看| 欧美zozozo另类| 寂寞人妻少妇视频99o| 午夜激情福利司机影院| 少妇被粗大猛烈的视频| 亚洲在线自拍视频| 九九热线精品视视频播放| 国内精品一区二区在线观看| 最近手机中文字幕大全| 国产极品天堂在线| 国产av一区在线观看免费| 99在线人妻在线中文字幕| 亚洲无线观看免费| 日韩高清综合在线| 国产一级毛片七仙女欲春2| 国产单亲对白刺激| 最新中文字幕久久久久| 一本精品99久久精品77| 亚洲欧洲日产国产| 国产伦理片在线播放av一区 | 哪个播放器可以免费观看大片| 亚洲人与动物交配视频|