• <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Simhash的安全密文排序檢索方案

    2019-10-31 09:21:33李珍姚寒冰穆逸誠
    計算機應用 2019年9期
    關鍵詞:隱私保護

    李珍 姚寒冰 穆逸誠

    摘 要:針對密文檢索中存在的計算量大、檢索效率不高的問題,提出一種基于Simhash的安全密文排序檢索方案。該方案基于Simhash的降維思想構建安全多關鍵詞密文排序檢索索引(SMRI),將文檔處理成指紋和向量,利用分段指紋和加密向量構建B+樹,并采用“過濾精化”策略進行檢索和排序,首先通過分段指紋的匹配進行快速檢索,得到候選結果集;然后通過計算候選結果集與查詢陷門的漢明距離和向量內積進行排序,帶密鑰的Simhash算法和安全k近鄰(SkNN)算法保證了檢索過程的安全性。實驗結果表明,與基于向量空間模型(VSM)的方案相比,基于SMRI的排序檢索方案計算量小,能節(jié)約時間和空間成本,檢索效率高,適用于海量加密數(shù)據(jù)的快速安全檢索。

    關鍵詞:密文檢索;排序檢索;Simhash;隱私保護;安全k近鄰

    中圖分類號:TP391

    文獻標志碼:A

    Secure ranked search scheme based on Simhash over encrypted data

    LI Zhen1,2*, YAO Hanbing1,2, MU Yicheng1

    1.College of Computer Science and Technology, Wuhan University of Technology, Wuhan Hubei 430063, China;

    2.Hubei Key Laboratory of Transportation Internet of Things (Wuhan University of Technology), Wuhan Hubei 430070, China

    Abstract:

    Concerning the large computation and low search efficiency in ciphertext retrieval, a secure ranked search scheme based on Simhash was proposed. In this scheme, a Secure Multi-keyword Ranked search Index (SMRI) was constructed based on the dimensionality reduction idea of Simhash, the documents were processed into fingerprints and vectors, the B+ tree was built with the segmented fingerprints and encrypted vectors and the “filter-refine” strategy was adopted to searching and sorting. Firstly, the candidate result set was obtained by matching the segmented fingerprints to perform the quick retrieval, then the top-k results were ranked by calculating the Hamming distance and the vector inner product between candidate result set and query trapdoor, and the Simhash algorithm with secret key and the Secure k-Nearest Neighbors (SkNN) algorithm ensured the security of the retrieval process. Simulation results show that compared with the method based on Vector Space Model (VSM), the SMRI-based ranked search scheme has lower computational complexity, saves time and space cost, and has higher search efficiency. It is suitable for fast and secure retrieval of massive ciphertext data.

    Key words:

    ciphertext retrieval; ranked search; Simhash; privacy-preserving; Secure k-Nearest Neighbors (SkNN)

    0 引言

    隨著云存儲的發(fā)展,越來越多的企業(yè)和個人將數(shù)據(jù)存儲到云服務器。云服務器不是完全可信的,為保護敏感數(shù)據(jù),用戶常將數(shù)據(jù)加密后存儲至云服務器,加密后的數(shù)據(jù)失去了明文特征,用戶無法高效地進行檢索。對海量加密數(shù)據(jù)進行高效檢索并保障數(shù)據(jù)的隱私成為一個亟待解決的問題[1]。

    Song等[2]提出了對稱可搜索加密方案,為解決密文檢索的問題提供了思路,引起了學術界的普遍關注。Goh等[3]將關鍵詞信息映射在布隆過濾器中,通過布隆過濾器判斷關鍵詞的有無,實現(xiàn)密文快速檢索。Kuzu[4]、Krishna等[5]基于倒排索引,提出了根據(jù)關鍵詞相關分進行排序的密文檢索方案,這些方案只適用于單關鍵詞搜索。Wang等[6]將改進的計數(shù)布隆過濾器直接作為向量計算內積進行排序,但是該方案沒有構建搜索索引,不適用于海量密文檢索。Yao等[7]、Li等[8]基于布隆過濾器,改進了傳統(tǒng)的倒排索引結構,結合“TF×IDF(Term Frequency-Inverse Document Frequency)”規(guī)則進行相關分排序,這些方案都需要授權用戶在客戶端對結果倒排表進行解密和排序,再向服務器發(fā)送請求才能得到top-k密文文檔,增加了網絡通信量和計算量。

    Cao等[9]提出了MRSE多關鍵詞密文排序檢索方案,基于向量空間模型(Vector Space Model, VSM)將每篇文檔處理成空間向量,通過計算向量夾角余弦值可以直接在云端完成排序操作,但是該方案沒有保證關鍵詞的隱私安全。后來許多研究學者,如Li等[10]采用安全k近鄰(Secure k-Nearest Neighbors, SkNN)[11]算法加密向量,將向量與“TF×IDF”規(guī)則結合,既保證了安全性,又提高了排序精度。Xia等[12]、Zhu等[13]根據(jù)加密向量構建了平衡二叉樹,Chen等[14]、楊宏宇等[15]基于MRSE框架,采用動態(tài)K-means聚類算法構建了層次索引樹。這些方案都是基于VSM,通過計算高維特征向量的內積進行檢索和排序,時間復雜度高,計算量大。

    Simhash算法由Charikar[16]提出,Manku等[17]將該技術運用于海量網頁的去重。楊旸等[18]基于Simhash的思想,利用n-gram分詞技術將單個詞處理成哈希指紋,構建指紋索引樹,該方案只適用于單關鍵詞,無法進行多關鍵詞的相關分排序。

    針對密文多關鍵詞檢索存在的計算量大、檢索效率不高的問題,本文提出了一種基于Simhash的安全密文排序檢索方案。采用AES算法加密文檔,通過帶密鑰的Simhash函數(shù)Sim(hk,·) 將文檔處理成Simhash指紋?;赟kNN算法生成加密向量,將分段指紋與加密向量構成的二元組作為葉子節(jié)點構建多關鍵詞密文排序檢索索引(Simhash-based Secure Multi-keyword Ranked search Index, SMRI)。根據(jù)用戶的檢索關鍵詞生成查詢陷門,通過分段指紋的匹配進行快速檢索,得到候選結果集,通過計算查詢指紋與候選集中指紋的漢明距離,以及查詢向量與候選集中向量的內積完成結果排序,相對于已有方案減少了檢索排序計算量。

    1 相關定義

    本方案主要涉及3個主體:

    1)數(shù)據(jù)擁有者(Data Owner, DO),主要負責文檔指紋和文檔特征向量的生成、SMRI索引的構建,以及文檔的加密。

    2)云服務器(Cloud Server, CS),負責密文多關鍵詞的檢索和排序工作,并將排序后的top-k加密文檔發(fā)送給授權用戶。

    3)授權用戶(Data User, DU),提交查詢請求,并根據(jù)云端返回的top-k密文結果進行解密,最終得到符合需求的明文文件。

    為了方便描述,本方案定義如下符號:

    1)F:明文文檔集,規(guī)模為n,表示為F={f1, f2,…, fn};

    2)EF:密文文檔集,表示為EF={d1,d2,…,dn},di對應于fi;

    3)S:文檔指紋集,表示為S={S1,S2,…,Sn},Si對應于fi;

    4)W:關鍵詞詞典,規(guī)模為m,表示為W={w1,w2,…,wm};

    5)V:明文文檔向量集,表示為V={dv1,dv2,…,dvn},dvi對應于fi;

    6)FV:擴展文檔向量集,表示為FV={DV1,DV2,…,DVn},DVi對應于dvi;

    7)EV:加密文檔向量集,表示為EV={ev1,ev2,…,evn},evi對應于DVi;

    8)Doc:文檔指紋與文檔向量構成的二元組集,表示為Doc={doci=(Si,evi)|i=1,2,…,n},doci對應于fi;

    9)Tq:查詢陷門,表示為Tq={Sq,eq},其中Sq表示查詢指紋,eq表示加密的查詢向量。

    2 基于Simhash的密文排序檢索方案

    本方案采用“過濾精化”思想,先通過分段指紋匹配進行初步排序得到候選結果集,縮小目標結果集范圍,減少排序計算量,再通過計算漢明距離和向量內積進行精確化排序,得到與查詢關鍵詞相關分最高的top-k結果集。

    2.1 SMRI索引的構建

    1)文檔預處理。數(shù)據(jù)擁有者利用AES算法將明文文檔集合F加密得到密文文檔集合EF,抽取文檔集關鍵詞得到關鍵詞詞典W,詞典規(guī)模為m。然后將每篇文檔處理成64位的Simhash指紋Si,利用VSM將每篇文檔處理成m維文檔向量,文檔向量的每個維度是對應關鍵詞的權重值TF,若文檔中不存在該對應位的關鍵詞,則TF的值為0,TF采用式(1)計算:

    TFwi=TFf,wi′∑wi∈w(TFf,wi′)2(1)

    其中:TFwi是文件f中的關鍵字wi的詞頻值,TFf,wi′=1+ln Nf,wi,Nf,wi是文件f中關鍵詞wi的數(shù)量。

    2)向量加密?;谖墨I[11]中SkNN加密算法的思想,數(shù)據(jù)擁有者隨機生成一個(m+u)維{0,1}指示向量P和兩個(m+u)×(m+u)維可逆矩陣M1、M2,記為sk={P, M1, M2},sk是加密密鑰,并發(fā)送給授權的數(shù)據(jù)使用者。對于每個文檔向量dvi,首先擴展文檔向量得到DVi={dvi,r1,r2,…,ru},其中r1~ru是隨機數(shù)。然后利用P分割擴展向量:當P[j]=0時,DV′[j]=DV″[j]=DV[j];當P[j]=1時,將DV′[j]設置為一個隨機數(shù),DV″[j]=DV[j]-DV′[j]。最后通過矩陣變換加密文檔向量得到evi={MlT×DV′, M2T×DV″}。

    3)構建B+樹。本文利用分段指紋和加密向量構建搜索索引樹,B+樹的葉子節(jié)點結構如式(2)所示:

    leafNode=〈segKey,docList〉(2)

    其中:segkey指分段指紋,docList指具有相同分段指紋的doc集合。例如,指紋S3和S4的第一個分段都是001011,則插入B+樹后即為葉子節(jié)點〈001011, {(S1, ev1), (S2, ev2)}〉。

    B+樹的非葉節(jié)點結構如式(3)所示:

    Node=〈segKeyList,child[t]〉(3)

    其中:segkeyList指分段指紋集合,分段指紋是二進制序列,可以進行大小排序;child[t]是指向孩子節(jié)點的指針,t是B+樹的階數(shù)。

    對于64位的哈希指紋,當指紋之間的漢明距離不大于3時,文檔被定義為相似的[17]。為了快速找到漢明距離不大于3的指紋,將Simhash指紋分成4段,根據(jù)抽屜原理,則必有1段是相等的。為了方便講解索引樹的構建和檢索排序過程,將指紋簡化為16位。假設有4篇文檔,如圖1所示,將每個指紋分為4段,前面兩位表示分段位置。具體的索引構簡算法如算法1所示。

    算法1 SMRI索引構建算法。

    輸入:Doc集合;

    輸出:SMRI索引。

    有序號的程序——————————Shift+Alt+Y

    程序前

    1)

    for each doc in Doc do

    2)

    splitSimhash=split(doc.Si);//將doc中的Simhash指紋分為4段

    3)

    for each Si, j in splitSimhash// j=1,2,3,4

    4)

    if(不存在segKey等于Si, j的葉節(jié)點)

    5)

    if(沒有節(jié)點需要分裂)

    6)

    newLeafNode.insert(〈Si, j, {doc}〉//直接插入新的葉子節(jié)點

    7)

    else

    8)

    按照B+樹結構進行節(jié)點分裂;

    9)

    newLeafNode.insert(〈Si, j, {doc}〉);

    10)

    end if

    11)

    else

    12)

    leaf = findLeafNode(Si, j);// 找到segkey等于Si, j的葉節(jié)點leaf;

    13)

    leaf.insert(doc);// 將doc添加至leaf的docList

    14)

    end if

    15)

    end for

    16)

    end for

    17)

    return SMRI

    程序后

    2.2 基于SMRI的多關鍵詞檢索

    1)生成查詢陷門Tq。授權用戶提交查詢關鍵詞Wq,將Wq處理成64位查詢指紋Sq并將指紋分成四段,然后利用VSM生成查詢向量q,查詢向量的每個維度是對應的關鍵詞的IDF值,IDF的值采用式(2)計算:

    IDFwi=IDFwi′∑wi∈w(IDFwi′)2(4)

    其中:IDFwi′是關鍵字wi的逆文檔頻率,IDFwi′=ln(1+N/Nwi),Nwi是包含關鍵字wi的文件數(shù)量,N是總文件數(shù)。

    授權用戶根據(jù)數(shù)據(jù)擁有者發(fā)送的加密密鑰sk加密查詢向量。首先擴展查詢向量q得到Q={R*q, R1, R2, …, Ru},從R1~Ru中隨機選取v位置為1,其余u-v位置為0。然后利用P分割擴展向量:當P[j]=0時,將Q′[j]設置為一個隨機數(shù),Q″[j]=Q[j]-Q′[j];當P[j]=1時,Q′[j]=Q″[j]=Q[j]。最后通過矩陣變換得到加密查詢向量eq={Ml-1×Q′, M2-1×Q″}。查詢陷門Tq記為Tq = (Sq, eq),授權用戶將分段指紋和查詢陷門提交給云服務器。

    2)基于SMRI的分段指紋匹配檢索。云服務器根據(jù)分段查詢指紋在SMRI索引中進行檢索,找到所有segKey等于分段指紋的葉子節(jié)點,得到候選結果集CR。如圖2所示,假設分段指紋Sq=1011001101010110,以第一個分段查詢指紋Sq1=001011為例,由根節(jié)點Node0開始搜索,在Node0的segKeyList中進行二分查找找到100011,由于001011小于100011,于是向左邊查找到Node1,在Node1的segKeyList中進行二分查找得到010010,由于001011小于010010,繼續(xù)向左邊查找到Node4,在Node4的segKeyList中進行二分查找找到與Sq1相等的二進制序列001011,從而得到葉子節(jié)點leafNode3,將leafNode3中的docList={(S3,ev3),(S4,ev4)}添加至CR。Sq2、Sq3、Sq4以同樣的方式進行查找,分別得到{(S3,ev3)}、{(S3, ev3), (S4, ev4)}、{(S3,ev3), (S3, ev3), (S4, ev4)},最后將所有結果取并集得到CR={(S2, ev2), (S3, ev3), (S4,ev4)}。

    2.3 top-k檢索結果排序

    通過2.2節(jié)的分段指紋查找已經過濾了大量不相關文檔,完成了初步排序,即漢明距離大于3的文檔。漢明距離用式(4)計算:

    Hd(Sm,Sn)=∑64i=1Sm[i]⊕Sn[i](5)

    其中:Sm、Sn都是n位的Simhash指紋,⊕表示異或運算。

    相關性分數(shù)是用來度量文檔與查詢關鍵字的匹配程度。根據(jù)“TF×IDF”規(guī)則,原始文檔向量與查詢向量的相關性分數(shù)由式(5)計算:

    Score(dv,q)=dv·q=∑wi∈wqTFwi×IDFwi(6)

    擴展向量的相關分計算如下:

    Score(DV,Q)=Score(dv,q)+∑ui=1ri×Ri=

    Score(dv,q)+ε(7)

    直接將明文向量部署到云服務器上,攻擊者可以根據(jù)向量每個維度的詞頻值進行統(tǒng)計攻擊,對照詞頻字典攻擊關鍵詞信息,引起隱私泄漏等安全問題。因此在云服務器端計算的是加密向量的相關分,加密文檔向量與加密查詢向量的相關分計算如式(8):

    Score(ev,eq)=(M1TDV′)·(M1-1Q′)+(M2TDV″)·(M2-1Q″)=

    (M1TDV′)TM1-1Q′+(M2TDV″)T·M2-1Q″=

    DV′TM1M1-1Q′+DV″M2M2-1Q″=

    DV′·Q′+DV″·Q″=DV·Q(8)

    由式(8)可得,加密向量的相關分與擴展向量相關分保持一致。按照這種方法便可以在云服務器計算各個文檔與多關鍵詞查詢陷門的相關分并進行排序。

    對于2.2節(jié)中得到的候選集CR,排序過程如圖3所示。假設用戶要求返回文檔數(shù)為2,首先計算查詢指紋與候選文檔指紋的漢明距離Hd,根據(jù)漢明距離排序得到對應的排序向量集合VR,再計算加密查詢向量與VR的向量內積score,根據(jù)內積進行排序,得到最后的top-k結果并返回給用戶。

    3 安全性分析

    1)文檔隱私保障。對文檔集采用AES算法加密。由于文檔和索引向量采用不同的方式進行加密,增加了攻擊者的攻擊難度。對文件的檢索、插入和刪除操作都是基于哈希指紋,不會涉及到文件的內容,因此不會泄露文檔信息。

    2)關鍵詞隱私保障。假設u=0,如果要解出文檔向量,就要構建方程組C′=M1T×DV′和C″=M2T×DV″,在n篇文檔向量中有2n×(m+1)個未知量,在可逆矩陣(M1, M2)中有2(m+1)2個未知量,由于只有2n×(m+1)個等式,少于未知量的個數(shù),對于查詢向量同理,所以沒有足夠的信息推斷出向量或者密鑰矩陣(M1, M2),攻擊者無法得到關鍵詞有關信息。

    3)相關分隱私保障。根據(jù)式(7),在相關分中引入隨機值ε。如果ε有2ω種可能性,則兩兩相等的概率是1/2ω。本文將查詢向量擴展u位,隨機選取v位設為1,那么ε就有Cvu種不同的組合,取v=u/2時,ε能取得最多的可能性。即隨機選擇一半的擴展位置為1生成擴展查詢向量。設置每個擴展位服從均勻分布U(μ′-, μ′+),根據(jù)中心極限定理可得,ε服從正態(tài)分布N(u,σ2),并且μ=0.5uμ′,σ=(1/6)u·。由此可見,詞頻統(tǒng)計的特殊性被打破,保障了關鍵詞的相關分隱私安全。

    4)索引隱私保障。指紋索引樹中含有指紋及加密后的文檔向量,2)中已經分析了文檔向量的隱私安全性。文檔指紋是基于單向密鑰Simhash函數(shù)生成的,定義如下:

    Sim(hk,data):{0,1}nhk{0,1}m(9)

    假設Sim(hk,data)在選擇明文攻擊中,不具有不可區(qū)分性,那么敵手A可以構建一個算法A′,并利用該算法區(qū)分一些函數(shù)Sim′(·)是偽隨機函數(shù)還是真實的隨機函數(shù)。當A′訪問預言機OSim′(·)時,輸入一個參數(shù)a,OSim′(·)返回結果值Sim′(a)。敵手A收到指紋生成請求后,通過詢問OSim′(·)進行應答。然后敵手輸出兩個長度相同的挑戰(zhàn)c1和c2,A′選擇一個隨機數(shù)b (0

    5)查詢無關聯(lián)性。數(shù)據(jù)使用者根據(jù)數(shù)據(jù)擁有者發(fā)送的密鑰sk,通過添加u個虛位擴展查詢向量的維度,并將擴展向量拆分成兩個向量。向量分割是隨機的,因此對于相同的查詢,每次產生的查詢陷門也不相同,實現(xiàn)了查詢的無關聯(lián)性。

    4 實驗結果與分析

    選擇百度學術上6000篇英文論文作為測試數(shù)據(jù),實驗環(huán)境:Windows 7 (64位),CPU為Intel Core i7-7700HQ@(2.80GHz),內存4GB,使用Java語言編程。

    4.1 索引構建效率

    本文方案與文獻[12]中的EDMRS(Enhanced Dynamic Multi-keyword Ranked Search)方案和文獻[13]中的EASMS(Efficient and Accurate Secure Multi-keyword Search)方案進行比較。假設文檔數(shù)量為n,構建B+樹的時間復雜度為O(n(logt n)(t是B+樹的階數(shù),本方案中取t=8),3種方案的索引時間對比實驗結果如圖4所示。

    圖4(a)詞典規(guī)模固定m=4000的情況下,EASMS方案和EDMRS方案都是直接構造了一個帶有高維加密向量作為數(shù)據(jù)節(jié)點的索引樹,時間復雜度為O(n·(m+u)2),m不變時隨著文檔規(guī)模的增大,索引構建時間呈線性增長。而本文SMRI方案是以維度很低的18位Simhash分段指紋為數(shù)據(jù)節(jié)點,通過比較二進制串的大小構建B+樹,文檔規(guī)模增大時,索引構建時間呈線性增長,但是由于主要的時間消耗在密鑰矩陣的生成上,而當詞典規(guī)模固定時,隨著文檔數(shù)量的增加,整體時間增長緩慢。圖4(b)文檔規(guī)模固定n=1000,影響3種方案構建索引的主要因素是向量維數(shù)。向量加密的復雜度為O((m+u)2),隨著詞典大小的增加,向量維數(shù)增加,加密向量耗時呈平方級增長,3種方案的索引構建時間都呈現(xiàn)迅速增長。但是由于EDMRS和EASMS方案是通過計算高維向量內積生成索引樹的,而SMRI方案是通過分段指紋構建B+樹,雖然都呈現(xiàn)平方增長,但是SMRI方案總體耗時較少,增長速度相對緩慢,而且隨著詞典規(guī)模的逐步增加,優(yōu)勢愈發(fā)明顯,前兩個方案可能造成高維空間的“維度災難”。

    設定文件數(shù)n=1000,不同詞典規(guī)模下三種方案的索引空間開銷如表1所示。當葉節(jié)點的數(shù)量相同時,B+樹具有比二叉樹更少的節(jié)點個數(shù),并且內部節(jié)點是低維散列指紋,高維向量僅存儲在葉節(jié)點中,相比EDMRS方案和EASMS方案,本方案降低了空間存儲代價。

    4.2 索引檢索效率

    如圖5所示,假設包含關鍵詞的葉節(jié)點數(shù)為θ,在EDMRS方案中,索引樹的高度為lb n,相關分計算復雜度為O(m+u),整體檢索時間復雜度為O(θ·(m+u)(lb n),EASMS方案具有與EDMRS相同的時間復雜度。EASMS方案構建了層次化聚類索引樹,先找到聚類中心再計算聚類向量的內積,檢索時間接近EDMRS方案的一半。在本方案中,t階B+樹的最大高度為logt/2(n/2)+1,二分查找的時間復雜度為lb t,因此檢索的時間復雜度為O(lb t·(logt/2(n/2)+1)+θ·(1+m+u))。在實際檢索中時間一定小于lb t·(logt/2(n/2)+1)+θ·(1+m+u),因為一些節(jié)點具有共同的祖先并且具有相同的訪問路徑,不需要每次都從根節(jié)點重新搜索。而且本方案在檢索過程中是對哈希指紋進行異或操作,EASMS和EDMRS方案是通過計算高維向量的內積進行檢索,因此本方案的實際檢索耗時很少。

    圖5(a) 固定詞典規(guī)模m=4000,返回結果數(shù)k=20,用戶輸入檢索詞個數(shù)Wq=10,隨著文檔規(guī)模的增加,EASMS和EDMRS需要計算的向量個數(shù)也隨之增加,檢索時間隨文檔規(guī)模的增加而呈對數(shù)增長。對于本方案來講,在指紋匹配階段可能對比的節(jié)點數(shù)會增加,也是呈現(xiàn)對數(shù)級增長,但是增長趨勢緩慢。

    圖5(b) 詞典規(guī)模固定m=4000,文檔規(guī)模固定n=1000,用戶輸入檢索詞個數(shù)Wq=10,隨著返回結果數(shù)k的增加,EASMS和EDMRS需要計算的向量數(shù)增加,檢索時間隨之增加,本方案只需要通過指紋匹配找到候選集,然后計算陷門與候選集中每個元素之間的相關性,復雜度為O(m+u),這樣減少了向量內積的計算,節(jié)省了大量時間并顯著地提高檢索效率。

    圖5(c)當檢索關鍵詞數(shù)量增加時,EDMRS和EASMS方案深度遍歷二叉樹計算向量內積進行排序的時間復雜度和時間不會受到影響,SMRI方案進行分段指紋和向量內積計算的時間復雜度和耗時也不會受到影響,由于SMRI方案前期通過二進制字符串的匹配檢索和初步排序,后期計算內積的向量個數(shù)相比前兩個方案大大減少,因此整體檢索時間較少。

    5 結語

    保證數(shù)據(jù)的機密性和檢索的高效性是密文檢索的重點,目前基于VSM的多關鍵詞排序檢索方案存在計算量大、檢索速度慢的問題。本文提出了一種基于SMRI的密文多關鍵詞排序檢索方案,該方案基于“過濾精化”策略,利用Simhash的降維思想構建搜索索引,減少了索引的計算和存儲開銷,提高了檢索排序效率,使用單向密鑰哈希算法和SkNN算法保證了檢索過程的安全,實驗結果證明了該方案的高效性。下一步研究工作將集中在多關鍵詞模糊檢索方面,提高方案的實用性。

    參考文獻

    [1]馮登國,張敏,張妍,等.云計算安全研究[J].軟件學報,2011,22(1):71-83.(FENG D G, ZHANG M, ZHANG Y, et al. Study on cloud computing security [J]. Journal of Software, 2011, 22(1): 71-83.)

    [2]SONG D X, WAGNER D, PERRIG A. Practical techniques for searches on encrypted data [C]// Proceedings of the 2000 IEEE Symposium on Security and Privacy. Piscataway, NJ: IEEE,? 2000: 44-55.

    [3]GOH E. Secure indexes [EB/OL]. [2018-12-16]. https://eprint.iacr.org/2003/216.pdf.

    [4]KUZU M, ISLAM M S, KANTARCIOGLU M. Efficient similarity search over encrypted data [C]// Proceedings of the IEEE? 28th International Conference on Data Engineering. Piscataway, NJ: IEEE, 2012: 1156-1167.

    [5]KRISHNA C R, MITTAL S A. Privacy preserving synonym based fuzzy multi-keyword ranked search over encrypted cloud data [C]// Proceedings of the 2016 International Conference on Computing, Communication and Automation. Piscataway, NJ: IEEE, 2016: 1187-1194.

    [6]WANG J, YU X, ZHAO M. Privacy-preserving ranked multi-keyword fuzzy search on cloud encrypted data supporting range query [J]. Arabian Journal for Science and Engineering, 2015, 40(8): 2375-2388.

    [7]YAO H, XING N, ZHOU J, et al. Secure index for resource-constraint mobile devices in cloud computing [J]. IEEE Access, 2016, 4: 9119-9128.

    [8]LI X, CUI Y, ZHOU M, et al. Efficient multi-keyword fuzzy search on encrypted data in cloud storage [C]// Proceedings of the 2017 4th International Conference on Information Science and Control Engineering. Washington, DC: IEEE Computer Society, 2017, 1: 288-294.

    [9]CAO N, WANG C, LI M, et al. Privacy-preserving multi-keyword ranked search over encrypted cloud data [J]. IEEE Transactions on Parallel and Distributed Systems, 2014, 25(1): 222-233.

    [10]LI H, YANG Y, LUAN T H, et al. Enabling fine-grained multi-keyword search supporting classified sub-dictionaries over encrypted cloud data [J]. IEEE Transactions on Dependable and Secure Computing, 2016, 13(3): 312-325.

    [11]WONG W K, CHEUNG D W, KAO B, et al. Secure kNN computation on encrypted databases[C]// Proceedings of the 2009 ACM SIGMOD International Conference on Management of Data. New York: ACM, 2009: 139-152.

    [12]XIA Z, WANG X, SUN X, et al. A secure and dynamic multi-keyword ranked search scheme over encrypted cloud data [J]. IEEE Transactions on Parallel and Distributed Systems, 2016, 27(2): 340-352.

    [13]ZHU X, DAI H, YI X, et al. MUSE: an efficient and accurate verifiable privacy-preserving multi-keyword text search over encrypted cloud data [J]. Security and Communication Networks, 2017, 2017(2):? No.1923476.

    [14]CHEN L, SUN X, XIA Z, et al. An efficient and privacy-preserving semantic multi-keyword ranked search over encrypted cloud data [J]. International Journal of Security and its Applications, 2014, 8(2): 323-332.

    [15]楊宏宇,王玥.云存儲環(huán)境下的多關鍵字密文搜索方法[J].計算機應用,2018,38(2):343-347.(YANG H Y, WANG Y. Multi-keyword ciphertext search method in cloud storage environment [J]. Journal of Computer Applications, 2018, 38(2): 343-347.)

    [16]CHARIKAR M S. Similarity estimation techniques from rounding algorithms[C]// Proceedings of the 34th Annual ACM Symposium on Theory of Computing. New York: ACM, 2002: 380-388.

    [17]MANKU G S, JAIN A, das SARMA A. Detecting near-duplicates for Web crawling [C]// Proceedings of the 16th International Conference on World Wide Web. New York: ACM, 2007: 141-150.

    [18]楊旸,楊書略,柯閩.加密云數(shù)據(jù)下基于Simhash的模糊排序搜索方案[J].計算機學報,2017,40(2):431-444.(YANG Y, YANG S L, KE M. Ranked fuzzy keyword search based on Simhash over encrypted cloud data [J]. Chinese Journal of Computers, 2017, 40(2): 431-444.)

    This work is partially supported by the Fund of Hubei Key Laboratory of Inland Shipping Technology (NHHY2017003), the Fund of Hubei Key Laboratory of Transportation Internet of Things (2017Ⅲ028-002).

    LI Zhen, born in 1994, M. S. candidate. Her research interests include information security.

    YAO Hanbing, born in 1976, Ph. D., associate professor. His research interests include information security.

    MU Yicheng, born in 1998, B. S. candidate. His research interests include information security.

    猜你喜歡
    隱私保護
    移動商務消費行為分析研究
    適用于社交網絡的隱私保護興趣度匹配方案
    可搜索加密在云計算移動學習中的應用
    基于層次和節(jié)點功率控制的源位置隱私保護策略研究
    軟件導刊(2016年11期)2016-12-22 22:00:22
    關聯(lián)規(guī)則隱藏算法綜述
    軟件導刊(2016年11期)2016-12-22 21:38:16
    大數(shù)據(jù)環(huán)境下用戶信息隱私泄露成因分析和保護對策
    大數(shù)據(jù)安全與隱私保護的必要性及措施
    大數(shù)據(jù)時代中美保護個人隱私的對比研究
    新聞界(2016年15期)2016-12-20 09:47:10
    社交網絡中的隱私關注及隱私保護研究綜述
    大數(shù)據(jù)時代的隱私保護關鍵技術研究
    日本wwww免费看| 美女国产高潮福利片在线看| 欧美成人精品欧美一级黄| 久久婷婷青草| 美女脱内裤让男人舔精品视频| 波多野结衣一区麻豆| 欧美另类一区| 看免费av毛片| 免费看av在线观看网站| 男女午夜视频在线观看 | 国产在线视频一区二区| 少妇精品久久久久久久| 日韩,欧美,国产一区二区三区| 国产精品.久久久| 久久国产精品大桥未久av| 日韩av不卡免费在线播放| 少妇人妻 视频| 欧美精品国产亚洲| 91精品伊人久久大香线蕉| 卡戴珊不雅视频在线播放| 亚洲欧美一区二区三区国产| 国产精品国产三级国产专区5o| 精品亚洲成a人片在线观看| 蜜桃在线观看..| 大陆偷拍与自拍| 天天躁夜夜躁狠狠久久av| 免费观看av网站的网址| 看非洲黑人一级黄片| 五月玫瑰六月丁香| 亚洲国产色片| 一级爰片在线观看| 久久精品人人爽人人爽视色| 最黄视频免费看| av一本久久久久| 我要看黄色一级片免费的| 蜜桃国产av成人99| 久久久久久久久久成人| 精品国产露脸久久av麻豆| 香蕉国产在线看| 五月玫瑰六月丁香| 午夜免费鲁丝| 18禁动态无遮挡网站| 精品人妻在线不人妻| 欧美最新免费一区二区三区| 成年人午夜在线观看视频| 新久久久久国产一级毛片| 成人亚洲精品一区在线观看| av播播在线观看一区| 各种免费的搞黄视频| 亚洲色图综合在线观看| 婷婷色av中文字幕| 午夜福利,免费看| 成人毛片60女人毛片免费| 亚洲av.av天堂| xxxhd国产人妻xxx| 啦啦啦啦在线视频资源| 深夜精品福利| 超色免费av| 免费久久久久久久精品成人欧美视频 | 波多野结衣一区麻豆| 日韩精品有码人妻一区| 美女大奶头黄色视频| 欧美日本中文国产一区发布| 免费人成在线观看视频色| 久久精品国产亚洲av天美| 免费黄色在线免费观看| 国产精品久久久久久av不卡| 欧美性感艳星| 七月丁香在线播放| 99久久中文字幕三级久久日本| 日本色播在线视频| 欧美精品一区二区大全| 日韩人妻精品一区2区三区| av片东京热男人的天堂| 欧美日韩国产mv在线观看视频| 久久久久久人人人人人| 久久毛片免费看一区二区三区| videosex国产| 菩萨蛮人人尽说江南好唐韦庄| 国产综合精华液| 午夜激情av网站| 伊人久久国产一区二区| 午夜福利网站1000一区二区三区| 久久人人爽人人爽人人片va| 久久久久精品性色| 欧美+日韩+精品| 亚洲精品自拍成人| 精品久久国产蜜桃| 欧美日韩av久久| h视频一区二区三区| 香蕉丝袜av| 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| 国产69精品久久久久777片| 久久久久精品人妻al黑| 最黄视频免费看| 观看美女的网站| 99热全是精品| 亚洲,欧美,日韩| 国产精品国产三级专区第一集| 日本猛色少妇xxxxx猛交久久| 大香蕉97超碰在线| 男女无遮挡免费网站观看| 日本-黄色视频高清免费观看| 日韩制服骚丝袜av| 午夜老司机福利剧场| 丁香六月天网| 久久久久久久久久人人人人人人| 草草在线视频免费看| 日日摸夜夜添夜夜爱| 国产亚洲一区二区精品| 成年女人在线观看亚洲视频| 纵有疾风起免费观看全集完整版| 欧美另类一区| 韩国高清视频一区二区三区| 大香蕉久久网| 亚洲美女视频黄频| 亚洲婷婷狠狠爱综合网| 80岁老熟妇乱子伦牲交| 18在线观看网站| av一本久久久久| 大香蕉97超碰在线| 午夜视频国产福利| 中文欧美无线码| 9色porny在线观看| 18禁观看日本| 欧美激情极品国产一区二区三区 | 热99国产精品久久久久久7| 日本欧美视频一区| 母亲3免费完整高清在线观看 | 五月伊人婷婷丁香| 成人影院久久| 国产乱人偷精品视频| 90打野战视频偷拍视频| 精品国产乱码久久久久久小说| av国产精品久久久久影院| 丰满饥渴人妻一区二区三| 80岁老熟妇乱子伦牲交| freevideosex欧美| 亚洲国产精品一区三区| 国产成人欧美| 亚洲久久久国产精品| 国产福利在线免费观看视频| 黑人高潮一二区| 人妻少妇偷人精品九色| 国产不卡av网站在线观看| 成人毛片60女人毛片免费| 国产一区二区在线观看日韩| av不卡在线播放| 又黄又爽又刺激的免费视频.| 午夜福利在线观看免费完整高清在| 国产极品天堂在线| 精品久久国产蜜桃| 国产一级毛片在线| 熟女电影av网| av又黄又爽大尺度在线免费看| 大香蕉97超碰在线| 宅男免费午夜| 久久精品国产自在天天线| 亚洲综合精品二区| 美女中出高潮动态图| 永久免费av网站大全| 各种免费的搞黄视频| 99热6这里只有精品| 18禁国产床啪视频网站| 人人妻人人澡人人看| 卡戴珊不雅视频在线播放| 国产日韩欧美在线精品| 中文欧美无线码| 综合色丁香网| 乱码一卡2卡4卡精品| 交换朋友夫妻互换小说| 国产日韩一区二区三区精品不卡| 黑人巨大精品欧美一区二区蜜桃 | 青春草亚洲视频在线观看| 51国产日韩欧美| 精品视频人人做人人爽| 成人黄色视频免费在线看| 91在线精品国自产拍蜜月| 久久久久久人妻| 欧美激情极品国产一区二区三区 | av黄色大香蕉| 在线天堂最新版资源| 色哟哟·www| a 毛片基地| 久久久a久久爽久久v久久| 国产一区二区激情短视频 | 日本vs欧美在线观看视频| 99久久综合免费| 日日啪夜夜爽| 22中文网久久字幕| 看免费av毛片| av在线老鸭窝| 男女免费视频国产| 少妇人妻 视频| 久久99热这里只频精品6学生| av女优亚洲男人天堂| 天天躁夜夜躁狠狠躁躁| 亚洲第一av免费看| 国产精品一区二区在线观看99| 亚洲av中文av极速乱| 国产极品天堂在线| 国产麻豆69| 久久午夜综合久久蜜桃| 蜜桃国产av成人99| 波野结衣二区三区在线| 久久久久视频综合| 最后的刺客免费高清国语| 国产一区有黄有色的免费视频| 国产福利在线免费观看视频| 成人18禁高潮啪啪吃奶动态图| 精品亚洲乱码少妇综合久久| 蜜臀久久99精品久久宅男| 久久青草综合色| 巨乳人妻的诱惑在线观看| 日韩人妻精品一区2区三区| 国产成人免费无遮挡视频| 丁香六月天网| 久久99精品国语久久久| 亚洲精品国产av成人精品| 男人添女人高潮全过程视频| 免费在线观看黄色视频的| 亚洲色图综合在线观看| 午夜福利乱码中文字幕| 欧美精品一区二区免费开放| 亚洲综合精品二区| 伦精品一区二区三区| 人人妻人人澡人人看| 高清欧美精品videossex| 精品人妻一区二区三区麻豆| 国产精品 国内视频| 看免费av毛片| 美女中出高潮动态图| 最新中文字幕久久久久| 欧美日韩av久久| 91精品三级在线观看| 色吧在线观看| 免费黄色在线免费观看| 成人亚洲精品一区在线观看| 有码 亚洲区| 麻豆乱淫一区二区| 亚洲成色77777| 大码成人一级视频| 侵犯人妻中文字幕一二三四区| 久久精品人人爽人人爽视色| 精品一区在线观看国产| 亚洲国产精品国产精品| 这个男人来自地球电影免费观看 | 国产白丝娇喘喷水9色精品| 色吧在线观看| 51国产日韩欧美| 插逼视频在线观看| 精品第一国产精品| 亚洲伊人色综图| 在线观看免费日韩欧美大片| 国产在视频线精品| 亚洲三级黄色毛片| av片东京热男人的天堂| 久久久精品区二区三区| 国产探花极品一区二区| √禁漫天堂资源中文www| 亚洲成人一二三区av| 美女脱内裤让男人舔精品视频| 亚洲av电影在线观看一区二区三区| 九九爱精品视频在线观看| 男的添女的下面高潮视频| 免费大片18禁| 亚洲丝袜综合中文字幕| 亚洲美女视频黄频| 最近2019中文字幕mv第一页| 欧美日韩一区二区视频在线观看视频在线| 青青草视频在线视频观看| 久久久a久久爽久久v久久| av福利片在线| 亚洲av免费高清在线观看| 成年女人在线观看亚洲视频| 精品亚洲乱码少妇综合久久| 日本91视频免费播放| 免费看av在线观看网站| 91成人精品电影| 国产午夜精品一二区理论片| 国产成人精品福利久久| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品自拍成人| 国产一区二区在线观看av| 欧美国产精品一级二级三级| 高清不卡的av网站| 97人妻天天添夜夜摸| 中文字幕精品免费在线观看视频 | 国产麻豆69| 欧美精品亚洲一区二区| 最近中文字幕2019免费版| 久久综合国产亚洲精品| 欧美精品高潮呻吟av久久| 日产精品乱码卡一卡2卡三| 啦啦啦中文免费视频观看日本| 赤兔流量卡办理| 久久精品国产自在天天线| 国产黄色视频一区二区在线观看| 国产成人午夜福利电影在线观看| 久久久久视频综合| 亚洲美女搞黄在线观看| 精品福利永久在线观看| 丝袜脚勾引网站| av播播在线观看一区| www日本在线高清视频| 国产免费现黄频在线看| 午夜免费鲁丝| 在线精品无人区一区二区三| 久久人人爽人人爽人人片va| 夜夜爽夜夜爽视频| 亚洲欧洲国产日韩| 超碰97精品在线观看| 日韩av不卡免费在线播放| 精品卡一卡二卡四卡免费| 另类亚洲欧美激情| 最黄视频免费看| 啦啦啦啦在线视频资源| 91午夜精品亚洲一区二区三区| 午夜福利视频精品| 亚洲中文av在线| 欧美另类一区| 男人添女人高潮全过程视频| 18禁裸乳无遮挡动漫免费视频| 黄色 视频免费看| 国产女主播在线喷水免费视频网站| 在线观看国产h片| 国产乱人偷精品视频| 久久99蜜桃精品久久| 欧美国产精品va在线观看不卡| 国产av码专区亚洲av| 欧美另类一区| 国产一区有黄有色的免费视频| 99热网站在线观看| 国产精品蜜桃在线观看| 亚洲一区二区三区欧美精品| 在线免费观看不下载黄p国产| 大陆偷拍与自拍| 免费大片18禁| 在线精品无人区一区二区三| 午夜久久久在线观看| 高清毛片免费看| 日本黄大片高清| 卡戴珊不雅视频在线播放| 欧美老熟妇乱子伦牲交| 狂野欧美激情性xxxx在线观看| 精品亚洲成a人片在线观看| 亚洲色图 男人天堂 中文字幕 | 欧美+日韩+精品| 在线观看三级黄色| 免费黄网站久久成人精品| 少妇被粗大猛烈的视频| 少妇 在线观看| 天堂中文最新版在线下载| 夜夜骑夜夜射夜夜干| 久久久久精品人妻al黑| 久久ye,这里只有精品| 日韩一区二区视频免费看| 中国三级夫妇交换| 免费黄网站久久成人精品| 国产欧美日韩综合在线一区二区| 热re99久久精品国产66热6| 大陆偷拍与自拍| av国产精品久久久久影院| 亚洲人成网站在线观看播放| 精品一区在线观看国产| 久久精品熟女亚洲av麻豆精品| 亚洲国产精品专区欧美| 欧美成人午夜免费资源| 欧美日韩视频精品一区| 亚洲欧美日韩另类电影网站| 视频在线观看一区二区三区| 久久久久网色| 插逼视频在线观看| 亚洲精品日本国产第一区| 看十八女毛片水多多多| 久久99热这里只频精品6学生| 日本黄色日本黄色录像| 欧美性感艳星| 蜜桃在线观看..| 成人18禁高潮啪啪吃奶动态图| 免费人成在线观看视频色| av免费在线看不卡| videos熟女内射| 日韩伦理黄色片| 青春草国产在线视频| av.在线天堂| www日本在线高清视频| 亚洲成色77777| 天美传媒精品一区二区| 亚洲成av片中文字幕在线观看 | 桃花免费在线播放| 晚上一个人看的免费电影| 精品国产一区二区三区久久久樱花| 成人国语在线视频| 亚洲欧美色中文字幕在线| 国产一区二区在线观看av| 97精品久久久久久久久久精品| 男女啪啪激烈高潮av片| a级毛片黄视频| 精品国产一区二区三区久久久樱花| 国语对白做爰xxxⅹ性视频网站| 伦理电影大哥的女人| 日韩三级伦理在线观看| 国产色爽女视频免费观看| 中文字幕人妻熟女乱码| 日韩欧美精品免费久久| 国产熟女欧美一区二区| 亚洲 欧美一区二区三区| 飞空精品影院首页| 男人舔女人的私密视频| 欧美+日韩+精品| 搡老乐熟女国产| 日韩成人伦理影院| 免费观看性生交大片5| 在线天堂中文资源库| 综合色丁香网| 国产一区二区激情短视频 | 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 | av免费观看日本| 午夜激情av网站| 国产精品国产三级专区第一集| 2021少妇久久久久久久久久久| 大香蕉久久网| 久久精品国产综合久久久 | 一级毛片 在线播放| 美女视频免费永久观看网站| 伦理电影大哥的女人| 国产av国产精品国产| 久久女婷五月综合色啪小说| 中文字幕精品免费在线观看视频 | 一二三四中文在线观看免费高清| 国产高清不卡午夜福利| 久久97久久精品| av视频免费观看在线观看| av天堂久久9| 国产淫语在线视频| 成人18禁高潮啪啪吃奶动态图| 99国产精品免费福利视频| 国产精品女同一区二区软件| 九草在线视频观看| 精品少妇久久久久久888优播| 宅男免费午夜| 啦啦啦视频在线资源免费观看| 日本黄色日本黄色录像| 青春草亚洲视频在线观看| 99re6热这里在线精品视频| 黄片播放在线免费| 亚洲av电影在线进入| 一级毛片我不卡| 国产精品.久久久| 夜夜骑夜夜射夜夜干| 老司机影院毛片| 亚洲色图综合在线观看| 美女脱内裤让男人舔精品视频| 亚洲成人手机| 90打野战视频偷拍视频| 精品一区二区三区视频在线| 22中文网久久字幕| 久热久热在线精品观看| 久久精品久久久久久噜噜老黄| 欧美3d第一页| 亚洲国产av影院在线观看| 九色亚洲精品在线播放| 亚洲色图 男人天堂 中文字幕 | 黑丝袜美女国产一区| 女性被躁到高潮视频| 1024视频免费在线观看| 欧美日韩亚洲高清精品| 七月丁香在线播放| 精品亚洲乱码少妇综合久久| 久久毛片免费看一区二区三区| 欧美精品国产亚洲| 新久久久久国产一级毛片| 色吧在线观看| 国产色婷婷99| 亚洲内射少妇av| 99久久人妻综合| 日韩三级伦理在线观看| 国产亚洲av片在线观看秒播厂| 观看av在线不卡| 国产亚洲av片在线观看秒播厂| 国产激情久久老熟女| 国产精品不卡视频一区二区| 欧美精品av麻豆av| 免费看光身美女| 午夜91福利影院| 中文天堂在线官网| 麻豆精品久久久久久蜜桃| 天天操日日干夜夜撸| 天堂俺去俺来也www色官网| 免费观看a级毛片全部| 国产亚洲av片在线观看秒播厂| 久久久亚洲精品成人影院| 另类精品久久| www.色视频.com| 日韩一区二区视频免费看| 精品一区在线观看国产| 精品酒店卫生间| 国产免费视频播放在线视频| 久久精品aⅴ一区二区三区四区 | 国产免费一级a男人的天堂| 丰满饥渴人妻一区二区三| 日韩制服骚丝袜av| 18禁动态无遮挡网站| 黑人高潮一二区| 日韩电影二区| 看免费av毛片| 亚洲成色77777| av卡一久久| 边亲边吃奶的免费视频| 少妇熟女欧美另类| 国产麻豆69| 国产乱人偷精品视频| 一本—道久久a久久精品蜜桃钙片| 国产午夜精品一二区理论片| 桃花免费在线播放| av视频免费观看在线观看| 两个人看的免费小视频| 夫妻性生交免费视频一级片| 欧美xxxx性猛交bbbb| 男女边摸边吃奶| 内地一区二区视频在线| 18禁裸乳无遮挡动漫免费视频| 亚洲欧美成人精品一区二区| 日本av手机在线免费观看| 黑人巨大精品欧美一区二区蜜桃 | 久久精品国产鲁丝片午夜精品| 国产精品偷伦视频观看了| 亚洲av在线观看美女高潮| 一本—道久久a久久精品蜜桃钙片| 熟女av电影| videossex国产| 这个男人来自地球电影免费观看 | 久久久国产一区二区| 欧美激情国产日韩精品一区| 青青草视频在线视频观看| 99视频精品全部免费 在线| 午夜激情av网站| 五月伊人婷婷丁香| 18禁动态无遮挡网站| 高清av免费在线| 欧美激情 高清一区二区三区| 丰满少妇做爰视频| 天堂中文最新版在线下载| av不卡在线播放| 亚洲美女黄色视频免费看| 婷婷色av中文字幕| 在线观看三级黄色| 久久毛片免费看一区二区三区| 大片免费播放器 马上看| 最近中文字幕2019免费版| 国产精品熟女久久久久浪| 亚洲天堂av无毛| av黄色大香蕉| 久久影院123| 亚洲中文av在线| 嫩草影院入口| 男女下面插进去视频免费观看 | 伊人久久国产一区二区| 亚洲精品视频女| 久久人人爽人人片av| 精品福利永久在线观看| 亚洲欧美中文字幕日韩二区| 最黄视频免费看| 久久久国产欧美日韩av| √禁漫天堂资源中文www| 波野结衣二区三区在线| 男人爽女人下面视频在线观看| 少妇被粗大猛烈的视频| 国产高清三级在线| 在线观看美女被高潮喷水网站| 欧美日韩综合久久久久久| 嫩草影院入口| 亚洲精品自拍成人| 久久久久久人人人人人| 欧美另类一区| 黄色配什么色好看| 亚洲人与动物交配视频| 91aial.com中文字幕在线观看| 国产精品久久久av美女十八| 高清av免费在线| 亚洲,欧美,日韩| 国产老妇伦熟女老妇高清| 日本与韩国留学比较| 日本欧美视频一区| 中文字幕最新亚洲高清| 欧美激情国产日韩精品一区| 男人爽女人下面视频在线观看| 欧美精品一区二区免费开放| 欧美97在线视频| 久久人人爽av亚洲精品天堂| 高清黄色对白视频在线免费看| 亚洲欧美日韩另类电影网站| 亚洲美女黄色视频免费看| 亚洲三级黄色毛片| 丰满迷人的少妇在线观看| 久久人妻熟女aⅴ| 久久久久精品性色| 日韩伦理黄色片| 久久久久久久亚洲中文字幕| 亚洲色图综合在线观看| 国产成人精品久久久久久| 精品99又大又爽又粗少妇毛片| 一边亲一边摸免费视频| 看十八女毛片水多多多| 亚洲欧美中文字幕日韩二区| 狠狠婷婷综合久久久久久88av| 韩国av在线不卡| 日韩制服骚丝袜av| 伦精品一区二区三区| 一本久久精品| 最黄视频免费看| 国产xxxxx性猛交| 亚洲成人手机|