• <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SDN的DDoS攻擊檢測技術研究

    2019-10-11 11:24張強強李永忠
    軟件導刊 2019年7期
    關鍵詞:軟件定義網絡支持向量機主成分分析

    張強強 李永忠

    摘 要:為了在保證檢測準確率的前提下提高檢測效率,并優(yōu)化SDN網絡中基于流表特征的DDoS攻擊檢測算法,主要分析基于流表特征的DDoS攻擊檢測技術及其存在的不足,提出首先利用主成分分析優(yōu)化流表特征,從中選出合適的特征子集,并采用支持向量機算法實現(xiàn)分類檢測;然后搭建仿真網絡環(huán)境,利用正常數(shù)據(jù)集與攻擊數(shù)據(jù)集訓練分類器進行測試實驗;最后從檢測準確率與檢測時間兩個維度對特征降維前后的檢測方法進行對比。實驗結果表明,經過特征降維的檢測方法在不影響準確率的同時,有效提高了檢測速率。

    關鍵詞:軟件定義網絡;DDoS攻擊;主成分分析;支持向量機

    DOI:10. 11907/rjdk. 182675 開放科學(資源服務)標識碼(OSID):

    中圖分類號:TP309 文獻標識碼:A 文章編號:1672-7800(2019)007-0205-04

    Research on DDoS Attack Detection Technology Based on SDN

    ZHANG Qiang-qiang, LI Yong-zhong

    (College of Computer, Jiangsu University of Science and Technology,Zhenjiang 211003,China)

    Abstract: In order to improve detection efficiency and optimize DDoS attack detection algorithm based on stream table characteristics in SDN network on the premise of guaranteeing detection accuracy, this paper mainly analyses DDoS attack detection technology based on stream table characteristics and its shortcomings, and proposes to optimize flow table features by using principal component analysis(PCA), and select appropriate features from them. and support vector machine(SVM) algorithm is applied to realize classification detection. By building a simulated network environment, the classifier is trained with normal data sets and attack data sets and tested. Finally, the detection methods before and after feature dimensionality reduction are compared from two dimensions of detection accuracy and detection time. The results show that the detection method after feature dimensionality reduction improves the detection speed without affecting the accuracy.

    Key Words:software defined network; DDoS attack; principal component analysis; support vector machine

    作者簡介:張強強(1992-),男,江蘇科技大學計算機學院碩士研究生,研究方向為網絡與信息安全;李永忠(1961-),男,碩士,江蘇科技大學計算機學院教授,研究方向為網絡安全、藏文信息處理。

    0 引言

    軟件定義網絡(Software Defined Networking,SDN)[1]是一種新型網絡體系,具有網絡可編程化、控制平面與數(shù)據(jù)平面分離等特點,因而在云計算環(huán)境中得到了普遍應用。SDN技術一方面為網絡帶來了革新,另一方面也對網絡安全防護提出了新的挑戰(zhàn)。與傳統(tǒng)網絡技術相比,SDN網絡架構由于應用層、控制層和數(shù)據(jù)層三層分離,使得每一層均有可能受到單獨攻擊,導致潛在攻擊平面增大[2]。其中控制層作為網絡核心部分,成為攻擊的主要目標。DDoS作為傳統(tǒng)網絡中存在的主要安全威脅之一,因其具有發(fā)起簡單、破環(huán)性強且難以進行檢測與防御的特點,可能對網絡造成極大破壞。隨著云計算技術的興起以及物聯(lián)網病毒的大規(guī)模傳播,使得超大流量的DDoS攻擊驟增。2018年3月,著名網站 Github遭遇史上最大的1.35 Tbps 的DDoS攻擊[3]。面對新環(huán)境下的DDoS攻擊,依靠單一檢測方法已無法達到理想檢測效果。在一個包含攻擊檢測、攻擊緩解和攻擊處理的完善的安全防護體系中,攻擊發(fā)生之前的檢測算法不僅要求有很高的準確率,也需要有較高的檢測速率。目前,軟件定義網絡中的DDoS攻擊與防御相關工作主要圍繞控制層DDoS攻擊展開[4-5]。

    很多學者針對SDN網絡中存在的DDoS攻擊提出了多種檢測方法。文獻[6]提出一種對發(fā)送給控制器的數(shù)據(jù)包信息進行分析的方法,通過計算數(shù)據(jù)包熵值作為特征值,實現(xiàn)DDoS攻擊檢測;文獻[7]對到達交換機的流進行特征收集,計算出信息熵與單邊鏈接密度,對收集到的特征值進行分析、訓練,然后對攻擊進行檢測;文獻[8]提取出流表項中的TTL和源IP地址,得到相同TTL值下源IP地址的條件熵,通過滑動窗口非參數(shù)CUSUM算法分析熵值變化,以檢測DDoS攻擊;文獻[9]提出一種基于熵的DDoS攻擊評估方法,利用層次分析法構建DDoS攻擊效果評估指標量化模型;文獻[10]提出一種多維條件熵的攻擊檢測方法。

    交換機流表中蘊含著豐富的流量信息,而基于熵的DDoS攻擊檢測方法并沒有充分利用這種優(yōu)勢。文獻[10]提出4種特征值以檢測DDoS攻擊;文獻[11]提取出流表項中的6個特征值組成特征向量,運用SOM神經網絡處理相關特征數(shù)據(jù);文獻[12]針對傳統(tǒng)SVM-KNN算法,通過引入Relief算法的方式對其進行加權改進,并將改進算法應用于SDN網絡環(huán)境下的DDoS攻擊檢測;文獻[13]提出一種基于BP神經網絡的DDoS攻擊檢測技術,從OpenFlow交換機的流表項中提取與攻擊相關的6個重要特征,分析6個特征值的變化,采用BPNN算法檢測DDoS攻擊;文獻[14]構造全局網絡流表特征,采用基于互信息的特征選擇算法對流表特征序列進行預處理,并利用分類學習算法對DDoS攻擊行為進行在線檢測。

    然而,由于以上基于流表特征的攻擊檢測方法在特征提取過程中存在特征維數(shù)過少或過多的情況,以及直接根據(jù)提取的特征值判斷是否為異常流量,而忽略了各特征值之間會有信息冗余,且特征向量維度會影響檢測效率的情況,本文提出一種改進的基于流表特征的DDoS攻擊檢測方法。首先從交換機流表中提取6個全局流表特征組成特征矩陣,然后采用主成分分析法對其進行優(yōu)化,根據(jù)貢獻率與系統(tǒng)要求選擇出最優(yōu)特征子集,最后采用支持向量機(Support Vector Machine,SVM)分類算法實現(xiàn)分類檢測,從而達到提高檢測速率的目的,可很好地滿足安全防護體系對檢測算法性能的要求。

    1 基于流表特征的DDoS攻擊檢測方法

    基于以上對DDoS攻擊檢測方法的分析研究,本文對基于流表特征的DDoS攻擊檢測方法進行改進?;舅枷霝椋禾崛DN網絡交換設備中的流表信息,轉換為特征向量,然后采用主成分分析法選出最優(yōu)特征子集,構建攻擊檢測分類器,并對網絡流量進行分類。該檢測方法包括3個模塊:數(shù)據(jù)采集模塊、特征提取模塊與攻擊檢測模塊。檢測算法流程如圖1所示。

    圖1 檢測算法流程

    1.1 數(shù)據(jù)采集模塊

    控制器定期向OpenFlow交換機發(fā)送流表請求指令ofp_flow_status_request,交換機收到信息并回復。圖2給出了交換機上收集提取的一條流表信息。

    圖2 交換機中流表項

    執(zhí)行sudo ovs-ofctl dump-flows s1>a.txt命令后,讀取重定向文件進行流表收集。對采集到的數(shù)據(jù)進行預處理,并從流表項中提取以下6個特征字段:源地址sip、目的地址dip、源端口sport、目的端口dport、數(shù)據(jù)包數(shù)pcount、比特數(shù)bcount。

    1.2 特征提取模塊

    1.2.1 特征向量提取

    基于上文提取出的流表項中與DDoS攻擊相關的特征字段,根據(jù)文獻[14]中的描述,將其轉換為與攻擊有關的一維特征信息,包括流包數(shù)均值AP、流表平均比特數(shù)AB、流表項速率FR、源地址熵H(sip)、源端口熵H(sport)、目的端口熵H(dport)。

    (1)流表平均包數(shù)(Average Packets)。

    [APk=pcountjN]

    (2)流表平均比特數(shù)(Average Bytes)。

    [ABk=bcountjpcountj]

    (3)流表項速率(Flow Rate)。

    [FRk=N1+N2T]

    [N1]和[N2]分別表示目的地址與源地址為[ipk]的流表項數(shù)目。

    (4)源地址熵。

    [H(sip)=-Sip[n]Nlog(Sip[n]N)]

    在有關目的IP的流表項集合中,不同源地址集合為[{Sipn|n=1,2,?,N}],定義N維矩陣[Sip[N]:Sip[n]]表示源地址為[sipn]、目的地址為[dipk]的權重。

    (5)源端口熵。

    [H(sport)=-Sp[m]Mlog(Sp[m]M)]

    不同源端口集合為[{sportm|m=1,2,?,M}],定義M維矩陣[Sp[M]]。

    (6)目的端口熵。

    [H(dport)=-Dp[l]Llog(Dp[l]L)]

    不同目的端口集合為[dportl|l=1,2,?,L],L維矩陣為[Dp[L]]。

    1.2.2 特征向量優(yōu)化

    合適的特征子集包括有用的特征信息,但不改變特征集的原始表達,可以增強分類器自學能力,降低分類訓練復雜度,因此是保證DDoS攻擊檢測性能的關鍵。本文采用主成分分析方法[15]降低特征向量維度,得到優(yōu)化的特征向量子集作為分類器輸入,從而提高檢測效率。基于主成分分析的最優(yōu)特征子集選擇算法流程如下:

    算法輸入:原始特征向量集X。

    1. 按列計算數(shù)據(jù)集X的均值Xm,然后令Xn = X- Xm。

    2. 求解矩陣Xn 的協(xié)方差矩陣,并將其記為Cov。

    3. 計算協(xié)方差矩陣Cov的特征值與響應的特征向量。

    4. 計算各主成分貢獻率及累計貢獻率,根據(jù)要求選擇合適的k值,然后將其對應的K個特征向量分別作為列向量,組成特征向量矩陣W。

    5. 計算矩陣Y=XnW,即將數(shù)據(jù)集Xn投影到選取的特征向量上。

    算法輸出:最優(yōu)特征子集Y。

    1.3 分類檢測

    由于正常狀態(tài)下與收到攻擊時的流量特征不同,所以可以將攻擊檢測問題看作分類問題。分類檢測基本流程為:對上述經過主成分分析之后選取的特征子集進行歸一化處理,并賦予樣本序列標記{正常,異常}代表兩種不同網絡狀態(tài)。本文選擇支持向量機算法根據(jù)特征樣本序列構建檢測模型,使用該模型對未標記的特征樣本進行分類,算法流程如圖3所示。

    圖3 SVM分類檢測算法流程

    支持向量機(Support Vector Machine,SVM)[16]是基于統(tǒng)計學理論與結構風險最小理論的算法,SVM以有限數(shù)目的輸入樣本為訓練依據(jù),以獲得最優(yōu)效果,即使分類模型的學習能力與復雜度之間取得最佳平衡。核技巧是一種用來處理線性不可分問題的方法,該方法需要定義一個能恰當?shù)赜嬎憬o定函數(shù)對內積的核函數(shù),其功能是將數(shù)據(jù)從輸入空間非線性變換到特征空間。特征空間具有更高甚至無限的維度,從而使數(shù)據(jù)在該空間被轉換成線性可分的[17]。將SVM分類方法應用于DDoS攻擊檢測具有較高的檢測準確率。

    2 實驗結果分析

    2.1 實驗環(huán)境

    為驗證算法有效性,搭建SDN虛擬環(huán)境對其進行仿真實驗。實驗運行在Mininet[18]平臺上,控制器采用Floodlight。Floodlight是一款支持OpenFlow協(xié)議,且基于JAVA語言的開源SDN控制器,由Big Switch Networks 公司與開源社區(qū)提供支持[19]。測試中正常樣本采用DARPA 99數(shù)據(jù)集中的網絡流量,該數(shù)據(jù)記錄了每條數(shù)據(jù)包的完整信息,以tcpdump格式保存。DDoS攻擊樣本采用MIT提供的DDoS數(shù)據(jù)集LLS_DDoS_2.0.2[20],根據(jù)不同采樣周期從正常流量與異常流量中提取信息,整理成流表項條目。正常樣本與異常樣本數(shù)據(jù)如表1所示。

    表1 正常樣本與異常樣本數(shù)量分布

    根據(jù)上文提出的特征值和采樣率在數(shù)據(jù)集中對流量信息進行信息提取,分為正常流量特征與異常流量特征。首先對特征進行主成分分析,然后利用SVM分類器對處理后的特征子集進行訓練與測試。

    2.2 實驗結果分析

    根據(jù)主成分分析算法原理,如何保留主成分,也即k值選擇是一個需要關注的問題。如果k值過大,則數(shù)據(jù)壓縮率不高;k值過小,則數(shù)據(jù)近似誤差太大。如圖4所示為k=4時,正常流與異常流特征值分布情況。

    將經過主成分分析后的特征向量子集進行歸一化處理,并對兩種類型流量作出標記:“0”代表正常狀態(tài),“1”代表攻擊狀態(tài),然后利用SVM分類器對樣本集進行訓練,最后應用訓練后的SVM對待測樣本進行分類檢測分析。其中,SVM分類器使用的工具是Matlab自帶的分析工具,算法使用的線性函數(shù)為核函數(shù)。

    為驗證本文檢測算法的正確性,考慮檢測準確率與分類時間兩個評價指標,將未優(yōu)化的流表特征直接作為判斷攻擊檢測的方法并進行對比。在相同樣本數(shù)量的前提下,實驗結果如表2所示。

    表2 檢測結果對比

    從表2可以看出,本文提出的對流表特征矩陣進行優(yōu)化之后再利用分類器檢測異常流量的方法,在保證檢測結果的同時,也提高了檢測速率,證明了該檢測方法的有效性,能夠為SDN網絡安全防護體系提供一種可靠的檢測算法。另一方面,隨著特征矩陣維度的降低,檢測時間與檢測準確率都有一定程度下降。因此,如何選擇主成分分析之后特征矩陣的維度,平衡檢測準確率與檢測速率,從而進一步提高算法性能成為下一步的研究重點。

    3 結語

    本文改進了基于流表特征的DDoS攻擊檢測算法,首先從OpenFlow交換機上獲取流表項,提取與攻擊相關的6個重要特征組成流表特征矩陣,并利用主成分分析方法對其進行優(yōu)化處理,根據(jù)不同貢獻率選取合適的特征子集作為分類器輸入,利用SVM分類器區(qū)分出攻擊流量與正常流量,從而實現(xiàn)了對DDoS的檢測。最后在仿真實驗環(huán)境中對算法進行驗證,通過對比,證明了該方法在保證檢測準確率的前提下,可有效提高檢測效率。在未來工作中應盡可能多地從流表項中提取與攻擊有關的特征,并對主成分分析后保留的特征參數(shù)進行動態(tài)調整,以實現(xiàn)更好的檢測效果。

    參考文獻:

    [1] 左青云,陳鳴,趙廣松,等. 基于OpenFlow的SDN技術研究[J]. 軟件學報,2013,24(5):1078-1097.

    [2] 劉孟. 云環(huán)境下DDoS攻防體系及其關鍵技術研究[D]. 南京:南京大學,2016.

    [3] Freebuf. Github遭遇史上最大1.35 Tbps DDoS攻擊[EB/OL]. https://www.freebuf.com/news/164009.html.

    [4] SHIN S,YEGNESWARAN V,PORRAS P,et al. AVANT-GUARD: scalable and vigilant switch flow management in software-defined networks[C]. Acm Sigsac Conference on Computer & Communications Security. ACM, 2013.

    [5] KREUTZ D, RAMOS F M V,VERISSIMO P. Towards secure and dependable software-defined networks[C]. Acm Sigcomm Workshop on Hot Topics in Software Defined Networking. ACM, 2013.

    [6] 韓子錚.? SDN中一種基于熵值檢測DDoS攻擊的方法[J]. 信息技術,2017(1):63-66.

    [7] 張國印,高偉,李土深,等.? 一種基于網絡層流量異常的SDN網絡DDoS攻擊檢測方法[P]. 中國, CN105162759A,2015.

    [8] 舒遠仲,梅夢喆,黃文強,等. SDN環(huán)境下基于條件熵的DDoS攻擊檢測研究[J]. 無線互聯(lián)科技,2016(5):75-76.

    [9] FENG Y,GUO R,WANG D,et al. Research on the active ddos filtering algorithm based on IP flow[C]. IEEE,Natural Computation,2009.ICNC09. Fifth International Conference,2009: 628-632.

    [10] 梅夢喆. SDN中基于多維條件熵的DDoS攻擊檢測與防護研究[D]. 南昌:南昌航空大學,2016.

    [11] 孫國友. 云環(huán)境SDN/OpenFlow網絡中安全可靠的網絡控制方法研究[D]. 合肥:中國科學技術大學,2017.

    [12] 龔冉. 基于SDN的負載均衡和DDOS攻擊檢測技術的研究[D]. 合肥:安徽大學,2016.

    [13] 王曉瑞. SDN中DDoS攻擊檢測與流表過載防御技術研究[D]. 鄭州:鄭州大學,2017.

    [14] 李鶴飛. 基于軟件定義網絡的DDoS攻擊檢測方法和緩解機制的研究[D]. 上海:華東師范大學,2015.

    [15] 左青云,陳鳴,王秀磊,等. 一種基于SDN的在線流量異常檢測方法[J]. 西安電子科技大學學報,2015(1):155-160.

    [16] CRISTIANINI N,SHAWE-TAYLO J. 支持向量機導論[M]. 李國正,譯. 北京:電子工業(yè)出版社,2004.

    [17] [美]吳信東,庫瑪爾. 數(shù)據(jù)挖掘十大算法[M]. 李文波,吳素妍,譯. 北京:清華大學出版社,2013.

    [18] HANDIGOL N,HELLER B,JEYAKUMAR V,et al. Reproducible network experiments using container-based emulation[C]. Proceedings of the 8th International Conference on Emerging Networking Experiments and Technologies. New York: ACM, 2012:253-264.

    [19] 房秉毅,張歌,張云勇,等. 開源SDN控制器發(fā)展現(xiàn)狀研究[J]. 郵電設計技術,2014(7):29-36.

    [20] Lincoln Laboratory. 2000 darpa intrusion detection scenario specific datasets[EB/OL]. https://www.ll.mit.edu/r-d/datasets/2000-darpa- intrusion-detection-scenario-specific-datasets.

    (責任編輯:黃 ?。?/p>

    猜你喜歡
    軟件定義網絡支持向量機主成分分析
    業(yè)務功能鏈技術及其應用探析
    針對大規(guī)模軟件定義網絡的子域劃分及控制器部署方法
    一種新的SDN架構下端到端網絡主動測量機制
    主成分分析法在大學英語寫作評價中的應用
    江蘇省客源市場影響因素研究
    SPSS在環(huán)境地球化學中的應用
    基于支持向量機的金融數(shù)據(jù)分析研究
    av国产免费在线观看| 成人美女网站在线观看视频| 亚洲精华国产精华精| 中文字幕av成人在线电影| 日韩在线高清观看一区二区三区 | 国产精品国产三级国产av玫瑰| 在线a可以看的网站| 日韩欧美在线二视频| 无遮挡黄片免费观看| 最近最新中文字幕大全电影3| 狠狠狠狠99中文字幕| 亚洲一区二区三区色噜噜| 国产 一区 欧美 日韩| 国产精华一区二区三区| 日韩欧美国产一区二区入口| 黄色欧美视频在线观看| 日韩高清综合在线| 成年女人看的毛片在线观看| 一级毛片久久久久久久久女| 真人做人爱边吃奶动态| 黄色女人牲交| 精品久久久久久成人av| 国产熟女欧美一区二区| 偷拍熟女少妇极品色| 久久精品国产鲁丝片午夜精品 | 男人舔女人下体高潮全视频| 日本撒尿小便嘘嘘汇集6| 麻豆成人av在线观看| 亚洲欧美日韩卡通动漫| 性欧美人与动物交配| 亚洲人成网站在线播放欧美日韩| 日韩av在线大香蕉| avwww免费| 欧美最新免费一区二区三区| 免费黄网站久久成人精品| 久久国内精品自在自线图片| 国产精品三级大全| 一区二区三区激情视频| 亚洲在线自拍视频| 国产成人aa在线观看| 少妇裸体淫交视频免费看高清| 欧美bdsm另类| 国内精品美女久久久久久| 免费一级毛片在线播放高清视频| 国产视频内射| 色播亚洲综合网| 99久久中文字幕三级久久日本| 欧美一区二区精品小视频在线| 中文资源天堂在线| 久久久久免费精品人妻一区二区| 亚洲av电影不卡..在线观看| 97热精品久久久久久| 国产黄a三级三级三级人| 又粗又爽又猛毛片免费看| 成年版毛片免费区| 天堂影院成人在线观看| 在线免费观看不下载黄p国产 | 成熟少妇高潮喷水视频| 色精品久久人妻99蜜桃| 禁无遮挡网站| 长腿黑丝高跟| 无遮挡黄片免费观看| 波野结衣二区三区在线| 国产高清三级在线| 99热6这里只有精品| 黄色视频,在线免费观看| 五月伊人婷婷丁香| 日日摸夜夜添夜夜添av毛片 | 动漫黄色视频在线观看| 午夜视频国产福利| 色视频www国产| 丝袜美腿在线中文| 十八禁网站免费在线| 日韩人妻高清精品专区| 波野结衣二区三区在线| 赤兔流量卡办理| 成人亚洲精品av一区二区| 日韩欧美精品免费久久| 亚洲内射少妇av| 一a级毛片在线观看| 又粗又爽又猛毛片免费看| 搞女人的毛片| 别揉我奶头 嗯啊视频| 韩国av在线不卡| 国产成人影院久久av| 欧美性感艳星| 午夜福利18| 白带黄色成豆腐渣| 中文字幕久久专区| 久久草成人影院| 好男人在线观看高清免费视频| 午夜亚洲福利在线播放| 久久久久久久久大av| 久久久久久九九精品二区国产| 欧美最黄视频在线播放免费| 夜夜看夜夜爽夜夜摸| 在线观看免费视频日本深夜| 在线播放国产精品三级| 免费不卡的大黄色大毛片视频在线观看 | 天美传媒精品一区二区| 日韩欧美 国产精品| 国产在线精品亚洲第一网站| 国产淫片久久久久久久久| 淫秽高清视频在线观看| 少妇丰满av| 三级男女做爰猛烈吃奶摸视频| 亚洲人成网站高清观看| 在线免费观看不下载黄p国产 | 欧美高清成人免费视频www| 九九爱精品视频在线观看| bbb黄色大片| 亚洲黑人精品在线| 亚洲熟妇熟女久久| 久久精品国产自在天天线| 22中文网久久字幕| 欧美日韩瑟瑟在线播放| 小蜜桃在线观看免费完整版高清| 色视频www国产| 国产亚洲精品久久久com| a级毛片a级免费在线| 久久精品夜夜夜夜夜久久蜜豆| 变态另类成人亚洲欧美熟女| 91在线观看av| 尤物成人国产欧美一区二区三区| 久99久视频精品免费| 国产高清有码在线观看视频| 亚洲自偷自拍三级| 国产一区二区在线观看日韩| 免费不卡的大黄色大毛片视频在线观看 | 在线观看av片永久免费下载| av在线亚洲专区| 精品一区二区三区av网在线观看| 麻豆国产av国片精品| 亚洲欧美日韩卡通动漫| 亚州av有码| 欧美绝顶高潮抽搐喷水| 一区二区三区四区激情视频 | 欧美激情国产日韩精品一区| 很黄的视频免费| 精品乱码久久久久久99久播| 国内精品一区二区在线观看| 亚洲欧美日韩高清专用| 国产高清激情床上av| 日韩在线高清观看一区二区三区 | www.www免费av| 在线观看美女被高潮喷水网站| 国产男人的电影天堂91| 深夜a级毛片| 久久久午夜欧美精品| 久久热精品热| 九九在线视频观看精品| 内射极品少妇av片p| 在线观看舔阴道视频| 日日夜夜操网爽| 大又大粗又爽又黄少妇毛片口| 国产 一区 欧美 日韩| 国产在线精品亚洲第一网站| 性欧美人与动物交配| 少妇人妻精品综合一区二区 | 成人一区二区视频在线观看| 日韩亚洲欧美综合| 亚洲黑人精品在线| 亚洲狠狠婷婷综合久久图片| 亚洲狠狠婷婷综合久久图片| 黄色视频,在线免费观看| 91麻豆精品激情在线观看国产| 午夜福利18| 一进一出抽搐gif免费好疼| 麻豆成人av在线观看| 欧美激情国产日韩精品一区| 天堂av国产一区二区熟女人妻| 老师上课跳d突然被开到最大视频| 最新在线观看一区二区三区| 一进一出抽搐动态| 亚洲欧美日韩高清专用| 一本一本综合久久| 亚洲aⅴ乱码一区二区在线播放| 国产欧美日韩精品亚洲av| 日韩欧美一区二区三区在线观看| 国内精品美女久久久久久| 内地一区二区视频在线| 九九热线精品视视频播放| 亚洲人成网站在线播放欧美日韩| 欧洲精品卡2卡3卡4卡5卡区| 久久6这里有精品| 午夜福利在线在线| 免费观看精品视频网站| 亚洲黑人精品在线| 搡女人真爽免费视频火全软件 | 成人国产麻豆网| 国产老妇女一区| av黄色大香蕉| 久久久国产成人免费| 日韩强制内射视频| 日韩一本色道免费dvd| 国产午夜精品论理片| 一卡2卡三卡四卡精品乱码亚洲| 一卡2卡三卡四卡精品乱码亚洲| 欧美高清性xxxxhd video| 级片在线观看| 啦啦啦韩国在线观看视频| 午夜精品一区二区三区免费看| 日韩大尺度精品在线看网址| 国产av麻豆久久久久久久| 日韩在线高清观看一区二区三区 | 永久网站在线| 91久久精品电影网| 国产不卡一卡二| 国产亚洲91精品色在线| 国产高清视频在线观看网站| 天堂√8在线中文| 国国产精品蜜臀av免费| 成人特级av手机在线观看| 国产精品女同一区二区软件 | 国产探花在线观看一区二区| 久久精品国产亚洲av涩爱 | 精品久久久久久久久av| 美女黄网站色视频| 色吧在线观看| 亚洲av.av天堂| 99在线人妻在线中文字幕| 有码 亚洲区| 国产av不卡久久| 亚洲熟妇熟女久久| 亚洲精品粉嫩美女一区| 亚洲熟妇熟女久久| 哪里可以看免费的av片| 成年女人永久免费观看视频| 美女xxoo啪啪120秒动态图| 欧美激情在线99| 欧美xxxx黑人xx丫x性爽| 性色avwww在线观看| 日韩亚洲欧美综合| 热99re8久久精品国产| 亚洲欧美精品综合久久99| 国产综合懂色| 真人做人爱边吃奶动态| 欧美高清成人免费视频www| 伊人久久精品亚洲午夜| h日本视频在线播放| 亚洲色图av天堂| 99视频精品全部免费 在线| 1000部很黄的大片| 精品久久久久久,| 日韩精品有码人妻一区| 久久99热这里只有精品18| 丰满的人妻完整版| 国产精品人妻久久久影院| 国产男人的电影天堂91| 国产一区二区亚洲精品在线观看| 我要看日韩黄色一级片| 国产精品,欧美在线| 午夜影院日韩av| 午夜a级毛片| 国产伦精品一区二区三区视频9| 久久久久久伊人网av| 一a级毛片在线观看| 一级a爱片免费观看的视频| 美女免费视频网站| 精品久久久久久,| 美女大奶头视频| 免费电影在线观看免费观看| 精品久久国产蜜桃| 麻豆国产97在线/欧美| 两个人视频免费观看高清| 成人无遮挡网站| 亚洲av免费高清在线观看| 午夜精品在线福利| 很黄的视频免费| 免费黄网站久久成人精品| 乱码一卡2卡4卡精品| 日日摸夜夜添夜夜添av毛片 | 欧美一区二区国产精品久久精品| 午夜亚洲福利在线播放| 成人无遮挡网站| 久99久视频精品免费| 一卡2卡三卡四卡精品乱码亚洲| 午夜精品一区二区三区免费看| 特级一级黄色大片| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品在线观看二区| 男女做爰动态图高潮gif福利片| 少妇的逼好多水| 免费人成视频x8x8入口观看| 人妻少妇偷人精品九色| 精品午夜福利视频在线观看一区| 国内精品久久久久精免费| 欧美日本视频| 在线观看66精品国产| 2021天堂中文幕一二区在线观| 高清日韩中文字幕在线| or卡值多少钱| 亚洲va在线va天堂va国产| x7x7x7水蜜桃| 亚洲av成人精品一区久久| 亚洲精华国产精华液的使用体验 | 嫩草影院精品99| 欧美激情在线99| 国产美女午夜福利| 精品人妻一区二区三区麻豆 | 精品人妻1区二区| 色av中文字幕| 精品一区二区免费观看| 精品一区二区三区人妻视频| 久久久久久久久中文| 特级一级黄色大片| 一区二区三区高清视频在线| 色哟哟·www| 在现免费观看毛片| 国内精品久久久久久久电影| 欧美另类亚洲清纯唯美| 天堂av国产一区二区熟女人妻| 亚洲av五月六月丁香网| ponron亚洲| 久久精品国产亚洲av香蕉五月| 国产一区二区亚洲精品在线观看| 亚洲av.av天堂| 男女下面进入的视频免费午夜| 免费看a级黄色片| 亚洲一区二区三区色噜噜| 两性午夜刺激爽爽歪歪视频在线观看| av专区在线播放| 国产aⅴ精品一区二区三区波| 性欧美人与动物交配| 美女 人体艺术 gogo| 一个人免费在线观看电影| 美女高潮喷水抽搐中文字幕| 久久婷婷人人爽人人干人人爱| 国产 一区精品| 亚洲真实伦在线观看| 日韩欧美 国产精品| 日本成人三级电影网站| 看免费成人av毛片| 国产伦一二天堂av在线观看| 欧美区成人在线视频| 无遮挡黄片免费观看| 美女高潮喷水抽搐中文字幕| 欧美zozozo另类| 在线免费十八禁| 日韩欧美在线二视频| 特级一级黄色大片| 日韩精品青青久久久久久| 一进一出好大好爽视频| 成人午夜高清在线视频| 女人被狂操c到高潮| 欧美最黄视频在线播放免费| 亚洲va日本ⅴa欧美va伊人久久| 成年女人看的毛片在线观看| 少妇丰满av| 少妇裸体淫交视频免费看高清| 成人av在线播放网站| 淫妇啪啪啪对白视频| 国产精品98久久久久久宅男小说| 免费在线观看影片大全网站| 国产精品久久久久久精品电影| 午夜影院日韩av| 亚洲自偷自拍三级| 欧美性猛交╳xxx乱大交人| 成人性生交大片免费视频hd| 欧美一级a爱片免费观看看| 亚洲经典国产精华液单| 午夜a级毛片| 99九九线精品视频在线观看视频| 亚洲欧美激情综合另类| 午夜免费男女啪啪视频观看 | 看免费成人av毛片| av天堂在线播放| 最近视频中文字幕2019在线8| 一进一出抽搐动态| 美女被艹到高潮喷水动态| 一区二区三区高清视频在线| 国产欧美日韩精品亚洲av| 在现免费观看毛片| 欧美最黄视频在线播放免费| 午夜福利在线观看免费完整高清在 | 天堂√8在线中文| 春色校园在线视频观看| 国产色爽女视频免费观看| 国产免费一级a男人的天堂| 亚洲精品色激情综合| 好男人在线观看高清免费视频| 欧美3d第一页| 精品国内亚洲2022精品成人| 麻豆久久精品国产亚洲av| 日本精品一区二区三区蜜桃| 女人十人毛片免费观看3o分钟| 久久久色成人| 在线播放国产精品三级| 成人精品一区二区免费| 日韩欧美国产一区二区入口| 免费大片18禁| 在线看三级毛片| 熟妇人妻久久中文字幕3abv| 亚洲成人中文字幕在线播放| 日本 欧美在线| 最近最新中文字幕大全电影3| 国产精品综合久久久久久久免费| 丰满乱子伦码专区| x7x7x7水蜜桃| 免费看光身美女| 亚洲美女视频黄频| 国内精品宾馆在线| 成人精品一区二区免费| 午夜影院日韩av| 偷拍熟女少妇极品色| 久久精品国产99精品国产亚洲性色| 一个人看视频在线观看www免费| 午夜a级毛片| 最后的刺客免费高清国语| 久久国产精品人妻蜜桃| 91久久精品电影网| 少妇的逼好多水| 国产单亲对白刺激| 欧美日韩综合久久久久久 | 露出奶头的视频| 非洲黑人性xxxx精品又粗又长| 搡老熟女国产l中国老女人| 精华霜和精华液先用哪个| 精品久久久久久久末码| 久久久久久久亚洲中文字幕| 老熟妇仑乱视频hdxx| 亚洲精品国产成人久久av| 国产视频内射| 亚洲专区国产一区二区| 色综合站精品国产| 亚洲精品456在线播放app | 综合色av麻豆| 成年女人毛片免费观看观看9| 伊人久久精品亚洲午夜| 婷婷六月久久综合丁香| 好男人在线观看高清免费视频| 亚洲国产日韩欧美精品在线观看| 色综合亚洲欧美另类图片| 国产精华一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 日韩中文字幕欧美一区二区| 免费电影在线观看免费观看| av女优亚洲男人天堂| 色综合婷婷激情| 亚洲成人精品中文字幕电影| 精品免费久久久久久久清纯| 日韩欧美在线二视频| 精品一区二区三区人妻视频| 亚洲狠狠婷婷综合久久图片| 性欧美人与动物交配| 亚洲性久久影院| 97人妻精品一区二区三区麻豆| 亚洲精华国产精华精| 十八禁国产超污无遮挡网站| 日韩一本色道免费dvd| 69人妻影院| 精品一区二区三区av网在线观看| 一级黄色大片毛片| 亚洲美女视频黄频| 最近在线观看免费完整版| 久久久久免费精品人妻一区二区| АⅤ资源中文在线天堂| 精品久久久久久久久久免费视频| 国产不卡一卡二| 如何舔出高潮| 亚洲一区二区三区色噜噜| 亚洲av日韩精品久久久久久密| 欧美极品一区二区三区四区| 午夜福利在线观看免费完整高清在 | 99久久无色码亚洲精品果冻| 日本一本二区三区精品| 又粗又爽又猛毛片免费看| 嫩草影院新地址| 黄色欧美视频在线观看| av国产免费在线观看| 大型黄色视频在线免费观看| 嫩草影院新地址| 国内精品久久久久精免费| 亚洲国产精品sss在线观看| 嫁个100分男人电影在线观看| 看片在线看免费视频| 一区福利在线观看| 精品一区二区三区视频在线| 国产精品亚洲美女久久久| 国产精品av视频在线免费观看| 麻豆国产av国片精品| 国产精品乱码一区二三区的特点| 亚洲av美国av| 国产精品美女特级片免费视频播放器| 黄色配什么色好看| 欧美精品国产亚洲| 极品教师在线视频| 午夜福利在线观看免费完整高清在 | 狠狠狠狠99中文字幕| 国产在线精品亚洲第一网站| 午夜福利18| 毛片女人毛片| 伊人久久精品亚洲午夜| 美女高潮喷水抽搐中文字幕| 国产69精品久久久久777片| 永久网站在线| 一级毛片久久久久久久久女| 黄色欧美视频在线观看| 色噜噜av男人的天堂激情| 国产淫片久久久久久久久| 白带黄色成豆腐渣| 有码 亚洲区| 精品久久久久久久久久久久久| 自拍偷自拍亚洲精品老妇| 欧美成人一区二区免费高清观看| 日日摸夜夜添夜夜添av毛片 | 亚洲avbb在线观看| 男女啪啪激烈高潮av片| 国模一区二区三区四区视频| 日日摸夜夜添夜夜添av毛片 | 国产精品伦人一区二区| 国产高潮美女av| 久久久久国内视频| 免费看光身美女| 淫秽高清视频在线观看| 国产色爽女视频免费观看| 97人妻精品一区二区三区麻豆| 久久九九热精品免费| 成人国产综合亚洲| 噜噜噜噜噜久久久久久91| 最近最新中文字幕大全电影3| 美女免费视频网站| 午夜激情福利司机影院| 永久网站在线| 一区二区三区免费毛片| 少妇熟女aⅴ在线视频| 久久久久久大精品| 啦啦啦观看免费观看视频高清| www.色视频.com| 欧美另类亚洲清纯唯美| 国产精品无大码| x7x7x7水蜜桃| 永久网站在线| 18禁裸乳无遮挡免费网站照片| 日韩精品中文字幕看吧| 成人特级av手机在线观看| 精品久久久久久久久久免费视频| 国产精品av视频在线免费观看| 老司机午夜福利在线观看视频| 国产精品久久久久久亚洲av鲁大| 精品欧美国产一区二区三| 看十八女毛片水多多多| а√天堂www在线а√下载| 小蜜桃在线观看免费完整版高清| 亚洲精品色激情综合| 级片在线观看| 婷婷六月久久综合丁香| 久久草成人影院| 免费看a级黄色片| 亚洲人成伊人成综合网2020| 大型黄色视频在线免费观看| 午夜爱爱视频在线播放| 亚洲一区二区三区色噜噜| 春色校园在线视频观看| 亚洲精品一卡2卡三卡4卡5卡| 一区二区三区四区激情视频 | a级毛片免费高清观看在线播放| 老师上课跳d突然被开到最大视频| 亚洲精品在线观看二区| 午夜激情福利司机影院| 日韩一本色道免费dvd| 精品一区二区三区视频在线| 欧美三级亚洲精品| 亚洲五月天丁香| 在线观看66精品国产| 亚洲五月天丁香| 国产精品国产高清国产av| 少妇裸体淫交视频免费看高清| 日日摸夜夜添夜夜添av毛片 | 真实男女啪啪啪动态图| 久久婷婷人人爽人人干人人爱| 亚洲久久久久久中文字幕| 久久人人精品亚洲av| 午夜精品久久久久久毛片777| 欧美日韩黄片免| 国产亚洲av嫩草精品影院| 成人特级黄色片久久久久久久| 高清毛片免费观看视频网站| 麻豆成人av在线观看| 欧美激情在线99| 黄色配什么色好看| 欧美激情在线99| 搞女人的毛片| 狠狠狠狠99中文字幕| 国产精品乱码一区二三区的特点| 亚洲七黄色美女视频| 不卡视频在线观看欧美| 最近中文字幕高清免费大全6 | 欧美日本亚洲视频在线播放| 亚洲最大成人手机在线| 国产免费男女视频| 我要搜黄色片| 不卡视频在线观看欧美| 一个人免费在线观看电影| 成人高潮视频无遮挡免费网站| 国产高清有码在线观看视频| 精品福利观看| www.www免费av| 国产午夜福利久久久久久| 久9热在线精品视频| 日本免费一区二区三区高清不卡| 亚洲成人久久爱视频| 午夜福利高清视频| 午夜精品久久久久久毛片777| 国产熟女欧美一区二区| 一个人免费在线观看电影| 少妇的逼水好多| АⅤ资源中文在线天堂| 国产又黄又爽又无遮挡在线| 成人国产麻豆网| 91精品国产九色| 村上凉子中文字幕在线| 非洲黑人性xxxx精品又粗又长| 成人毛片a级毛片在线播放| 51国产日韩欧美|