• <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 ?

    網(wǎng)頁內(nèi)容鏈接層次語義樹的惡意網(wǎng)頁檢測方法

    2020-06-09 07:20:36陳本剛宋禮鵬
    計算機(jī)工程與應(yīng)用 2020年11期
    關(guān)鍵詞:域名分類器網(wǎng)頁

    陳本剛,宋禮鵬

    中北大學(xué) 大數(shù)據(jù)學(xué)院 大數(shù)據(jù)與網(wǎng)絡(luò)安全研究所,太原030051

    1 引言

    攻擊者通過網(wǎng)絡(luò)釣魚、垃圾郵件投放和惡意下載等方式欺詐用戶,這些活動會在用戶不知情的情況下訪問攻擊者提供的網(wǎng)頁以達(dá)到攻擊目的,這些網(wǎng)頁被稱為惡意網(wǎng)頁[1]。為了避免用戶訪問惡意網(wǎng)頁,及時有效地檢測出惡意網(wǎng)頁非常重要。

    Ma J 等人[2]提出了基于URL 特征的大規(guī)模在線學(xué)習(xí)檢測惡意網(wǎng)頁方法,在平衡數(shù)據(jù)集上實現(xiàn)高達(dá)99%的分類準(zhǔn)確度。李夢玉等人[3]提出了基于URL 的高斯混合聚類惡意網(wǎng)頁檢測方法,達(dá)到了較高的準(zhǔn)確度。但以上方法都未考慮攻擊者利用縮短服務(wù)隱藏攻擊意圖的問題。縮短服務(wù)是將長URL 映射為短URL 的服務(wù),訪問短鏈接即可重定向到原始的URL。被縮短后的URL不再具有原始URL 常見的特征,使得基于URL 特征相關(guān)特征失效,攻擊者利用縮短服務(wù)隱藏攻擊意圖,從而導(dǎo)致僅依賴URL特征的學(xué)習(xí)方法。

    目前存在許多針對惡意網(wǎng)頁檢測的研究方法,如黑名單[4]和啟發(fā)式方法[5],隨數(shù)據(jù)規(guī)模擴(kuò)大和時效性要求提升,傳統(tǒng)方法面臨無法檢測出新出現(xiàn)威脅的問題。因此,研究者提出機(jī)器學(xué)習(xí)的檢測方法。樸楊鶴然等人[6]提出一種基于stacking 的惡意網(wǎng)頁集成檢測方法,獲得了98.12%的高準(zhǔn)確率。但未考慮實際惡意網(wǎng)頁檢測任務(wù)的高度類別不均衡問題,在惡意遠(yuǎn)小于良性網(wǎng)頁數(shù)量的不均衡數(shù)據(jù)集上,簡單將所有網(wǎng)頁都預(yù)測為良性的分類器能達(dá)到很高的準(zhǔn)確率。簡單的優(yōu)化分類準(zhǔn)確率以及僅用準(zhǔn)確率作為評價指標(biāo)不適用于實際的惡意網(wǎng)頁檢測任務(wù)。

    為了解決上述問題,本文提出了一種融合網(wǎng)頁內(nèi)容層次語義樹特征的成本敏感學(xué)習(xí)的檢測方法,考慮到URL縮短服務(wù)導(dǎo)致被縮短后的URL不再具有原始URL特征,通過構(gòu)建網(wǎng)頁內(nèi)容鏈接層次語義樹,并提取相應(yīng)特征,這類特征在縮短服務(wù)前后具有不可變性,不受URL 縮短服務(wù)的影響,解決了利用URL 縮短服務(wù)導(dǎo)致檢測失效的問題。通過優(yōu)化兩種成本敏感度量的目標(biāo)函數(shù),并構(gòu)建成本敏感學(xué)習(xí)模型,解決惡意網(wǎng)頁檢測任務(wù)中數(shù)據(jù)類別不均衡問題。實驗表明,與現(xiàn)有方法相比在檢測性能和效率上都有所提升。

    2 惡意網(wǎng)頁檢測方法

    融合網(wǎng)頁內(nèi)容層次語義樹特征的成本敏感學(xué)習(xí)惡意網(wǎng)頁檢測方法框架如圖1 所示。在問題分析模塊中給出了惡意網(wǎng)頁檢測中存在的兩類問題:利用縮短服務(wù)躲避檢測、惡意和良性數(shù)據(jù)類別不均衡。在解決方案模塊中分別從特征工程角度和學(xué)習(xí)模型角度解決了上述兩個問題。

    URL縮短服務(wù)使得被縮短后的URL不再具有原始URL 常見的特征,導(dǎo)致僅依賴于URL 特征的檢測方法失效,攻擊者可利用URL 縮短服務(wù)的這類特性躲避檢測。針對這一問題,從特征工程角度,構(gòu)建網(wǎng)頁內(nèi)容鏈接層次語義樹并提取相關(guān)特征,與網(wǎng)頁其他相關(guān)特征一并歸類為結(jié)構(gòu)、語義和統(tǒng)計特征,確保在URL縮短時部分特征仍然有效。

    在學(xué)習(xí)模型的構(gòu)建過程中,常規(guī)的監(jiān)督學(xué)習(xí)方法不適用于數(shù)據(jù)類別不均衡的惡意網(wǎng)頁檢測任務(wù)。針對這一問題,從學(xué)習(xí)模型的角度,通過優(yōu)化兩類成本敏感的目標(biāo)函數(shù),提升惡意網(wǎng)頁的誤判代價,解決了簡單將所有網(wǎng)頁判定為良性網(wǎng)頁即可獲取高準(zhǔn)確率的問題。

    基于上述相關(guān)特征和所構(gòu)建的成本敏感學(xué)習(xí)模型組成了融合網(wǎng)頁內(nèi)容層次語義樹特征的成本敏感學(xué)習(xí)惡意網(wǎng)頁檢測方法。使用帶標(biāo)簽數(shù)據(jù)集訓(xùn)練模型,分別在帶標(biāo)簽和不帶標(biāo)簽的測試數(shù)據(jù)上評估了方法的性能。

    2.1 惡意網(wǎng)頁特征提取

    針對縮短服務(wù)導(dǎo)致僅基于URL特征的惡意網(wǎng)頁檢測方法失效的問題,惡意網(wǎng)頁特征從URL(如圖2)和HTML 源文件中提取相關(guān)特征。并對網(wǎng)頁內(nèi)容中的超鏈接及相應(yīng)的錨文本進(jìn)行語義分析,并對網(wǎng)頁內(nèi)容中的超鏈接及相應(yīng)的錨文本進(jìn)行語義分析,構(gòu)建層次語義樹描述網(wǎng)頁中的超鏈接行為。受到相關(guān)工作[7]的啟發(fā),共提取了513維均屬于輕量級靜態(tài)特征,不依賴于預(yù)先計算、先驗知識以及特定自然語言,只需從單條原始數(shù)據(jù)中提取特征向量,擺脫了傳統(tǒng)方法需要上下文信息的特征,適用于在線學(xué)習(xí)檢測任務(wù),且不損失檢測準(zhǔn)確性。

    圖1 融合網(wǎng)頁內(nèi)容鏈接層次語義樹特征的成本敏感學(xué)習(xí)檢測方法框架

    圖2 特征提取URL源

    便于惡意網(wǎng)頁特征的特征選擇和貢獻(xiàn)度分析,從惡意網(wǎng)頁目標(biāo)、行為表現(xiàn)以及屬性的角度,將特征歸類為結(jié)構(gòu)特征、語義特征和統(tǒng)計特征,特征值的類型包括離散型(binary)、比值型(rational)、整型(integer)和向量型(vector),并對部分特征的領(lǐng)域知識和相關(guān)因素統(tǒng)計分析和描述。從特征貢獻(xiàn)度的角度分析這三類特征,并根據(jù)貢獻(xiàn)度進(jìn)行特征選擇,所提出的特征具有較強(qiáng)的辨識度,其中語義類特征的貢獻(xiàn)度相對高于統(tǒng)計特征和結(jié)構(gòu)特征,特征預(yù)處理和貢獻(xiàn)度分析的具體過程在3.2節(jié)中。

    2.1.1 結(jié)構(gòu)特征

    結(jié)構(gòu)特征側(cè)重于提取原始數(shù)據(jù)中的結(jié)構(gòu)信息,包含URL、HTML 源文件以及源文件中的JS 片段的結(jié)構(gòu)特征。結(jié)構(gòu)特征中的包含IP地址、查詢鍵值對數(shù)、JS最長字符串長為新增加的特征。部分結(jié)構(gòu)特征的列舉如表1和領(lǐng)域知識的分析如下。

    (#1)URL長度。攻擊者使用長URL隱藏地址欄的可疑部分。目前無可靠URL長度閾值區(qū)分惡意和良性網(wǎng)頁,文獻(xiàn)[8]中給出良性長度為75,但未給出證明。為了確保特征的準(zhǔn)確性,計算數(shù)據(jù)集中的良性和惡意的URL 長度的均值。分析得出,若URL 的長度小于或等于54,則被歸為良性,若大于74,則URL 被歸為惡意。其中URL長度大于等于54的實例有1 220個,占48.8%。

    (#2)包含IP 地址。若用IP 地址替代URL 中的域名,例如http://125.98.3.123/fake.html,則幾乎可確定該網(wǎng)頁試圖竊取個人信息。統(tǒng)計數(shù)據(jù)集顯示,570個URL使用IP地址作為域名。

    (#3)查詢的鍵值對數(shù)。URL 可分解成通用格式如圖2,包括協(xié)議、域名、路徑、query和fragment,其中query由鍵值對組成。攻擊者可能修改任意一個部分以發(fā)起攻擊。當(dāng)前特征主要關(guān)注惡意修改query部分的攻擊的執(zhí)行情況。

    表1 部分結(jié)構(gòu)特征的描述

    (#4)JS片段占HTML文件比。JS腳本相對于HTML源文件總體的大小。源文件中JS 腳本越多,實際可見內(nèi)容越少,執(zhí)行越多,更易用JS發(fā)起攻擊。

    (#5)JS最長字符串長。惡意JS通常使用混淆隱藏攻擊意圖?;煜齁S 代碼通常包含長字符串,它表示編碼或者加密,用于像eval 函數(shù)的參數(shù)。有很長(例如超過350個字符[9])的字符串的腳本更有可能被混淆。圖3的混淆代碼中包含814個字符,計算最長字符串大小。

    圖3 混淆的JS代碼

    2.1.2 語義特征

    側(cè)重于從惡意網(wǎng)頁領(lǐng)域知識的語義角度提取特征,包括對URL、HTML 源文件以及JS 片段進(jìn)行語義分析提取的特征。另外,受DOM結(jié)構(gòu)樹的啟發(fā),對超鏈接及錨文本進(jìn)行語義分析,分析鏈接關(guān)系來描述超鏈接跳轉(zhuǎn)行為。語義特征中的URL使用縮短服務(wù)和層次語義樹新增加的特征。部分特征的詳細(xì)描述如表2。

    表2 部分語義特征的描述

    (#1)使用縮短服務(wù)。攻擊者通常使用縮短服務(wù)隱藏URL 中的攻擊意圖,長的URL 通過縮短服務(wù)映射到短地址,是通過短域名的“HTTP重定向”實現(xiàn)的,該域名鏈接到長URL 的網(wǎng)頁。例如,http://portal.hud.ac.uk/可縮短為bit.ly/19DXSk4,通過特定域名后綴判定。

    (#2)使用”-”分割增加域名前后綴。下劃線符號很少用于合法網(wǎng)址。網(wǎng)絡(luò)釣魚者傾向于將“-”分隔的前綴或后綴添加到域名中,給用戶一種合法網(wǎng)頁的視覺欺騙。例如http://www.Confirme-paypal.com/。

    (#3)URL子域名和多重子域名。假設(shè)有以下鏈接:http://www.nuc.edu.cn/students/。域名可能包括頂級域名,edu.cn稱為二級域,“nuc”是實際域名。先從URL中去掉(www.),刪除頂級域名(如果存在),計算剩余的點數(shù)。若大于1,則URL為可疑,因為有一個子域。但是,如果點大于2,則將其歸類為惡意,因為有多個子域。否則,若URL無子域,則為良性。

    圖4 網(wǎng)頁鏈接層次語義樹

    (#4)網(wǎng)頁內(nèi)容鏈接的層次語義樹特征。對數(shù)據(jù)集的超鏈接及其錨文本進(jìn)行語義分析,發(fā)現(xiàn)惡意網(wǎng)頁多個鏈接指向同一外域,對錨文本語義拆分后提取關(guān)鍵詞發(fā)現(xiàn)同一批字符同時出現(xiàn)的概率高。通過構(gòu)建網(wǎng)頁鏈接層次語義樹,描述網(wǎng)頁的超鏈接的跳轉(zhuǎn)行為:(1)先提取網(wǎng)頁中的所有超鏈接以及相應(yīng)的錨文本;(2)鏈接及其錨文本作為語義樹的節(jié)點,鏈接如圖4的層次結(jié)構(gòu)的語義解析;(3)利用鏈接的層次結(jié)構(gòu)將多個節(jié)點構(gòu)造成語義樹,從語義樹提取特征。語義樹每節(jié)點為一個三元組,定義為集合{URL|(x,y,z)},其中x y z 參數(shù)分別表示鏈接層次字符、鏈接對應(yīng)的錨文本、鏈接頻次,例如圖4中的/password/節(jié)點取值為{URL|(“/password/”,“重設(shè)密碼”,11)}。以URL 作為根節(jié)點,提取語義樹的相關(guān)特征,例如圖4中鏈接層次語義樹的特征向量(樹深,樹寬,總節(jié)點數(shù),葉節(jié)點數(shù),子樹數(shù),子樹深,外域子樹數(shù))的取值為(4,15,22,15,6,2,5)。結(jié)合這類特征以及網(wǎng)頁內(nèi)容相關(guān)特征,可解決縮短服務(wù)導(dǎo)致地址欄URL特征失效的問題。

    2.1.3 統(tǒng)計特征

    側(cè)重于統(tǒng)計分布特征,描述統(tǒng)計分布規(guī)律,如URL的域名部分的n-gram 字符頻率分布,HTML 源文件和JS片段的信息熵等,其中域名1-gram為新增加的特征,如表3所示。

    表3 部分統(tǒng)計特征的描述

    (#1)域名1-gram。用N-gram[10]模型對域名提取字符序列特征,N-gram 假設(shè)序列中第N 個字符只與其前的N-1 個字符有關(guān),與其他字符無關(guān)。1-gram表示每個字符獨立,提取域名的字符頻率分布。正常域名都會偏向選取可讀性好的字母或拼音組合,抽象成數(shù)學(xué)語言,即為英文的元音字母的比例較高。而惡意網(wǎng)頁域名這方面特性不明顯。

    (#2)HTML 熵值。熵值是信息內(nèi)容不確定性的指標(biāo),被用來分析不同文本的字符分布,一般惡意網(wǎng)頁比良性網(wǎng)頁具有更小的熵值。

    (#3)JS熵值。與HTML-熵值的計算方式類似?;煜a包含重復(fù)字串,所以混淆JS 代碼一般具有比正常JS 代碼更低的熵值,統(tǒng)計表明混淆JS 代碼的熵值小于1.2,而正常JS代碼為1.2~2.1。

    2.2 成本敏感學(xué)習(xí)

    2.2.1 成本敏感學(xué)習(xí)方法

    圖5 成本敏感學(xué)習(xí)的流程

    成本敏感學(xué)習(xí)的惡意網(wǎng)頁檢測流程如圖5,對訓(xùn)練數(shù)據(jù)提取第2.1 節(jié)中的結(jié)構(gòu)、語義和統(tǒng)計特征,在3.2 節(jié)中分析其貢獻(xiàn)度并證明有效性。訓(xùn)練成本敏感及其他學(xué)習(xí)模型,在帶標(biāo)簽數(shù)據(jù)和不帶標(biāo)簽測試集中評估各模型的性能,訓(xùn)練好的模型用來檢測新出現(xiàn)的網(wǎng)頁。該檢測方法分別從特征工程和模型構(gòu)建的角度解決了實際的惡意網(wǎng)頁檢測任務(wù)中出現(xiàn)的縮短服務(wù)及數(shù)據(jù)類別不均衡問題。

    實際的惡意網(wǎng)頁檢測任務(wù)中,惡意網(wǎng)頁數(shù)量遠(yuǎn)小于良性網(wǎng)頁的數(shù)據(jù)不均衡問題極其嚴(yán)重,使得模型偏向于預(yù)測為良性網(wǎng)頁或者出現(xiàn)簡單將所有網(wǎng)頁都預(yù)測為良性的分類器能達(dá)到很高的準(zhǔn)確率的情況。與常見的有監(jiān)督學(xué)習(xí)相比,成本敏感學(xué)習(xí)更適用于實際的惡意網(wǎng)頁檢測任務(wù)。針對惡意網(wǎng)頁數(shù)據(jù)類別不均衡問題設(shè)計算法時必須考慮不同類別實例的誤報代價,在目標(biāo)函數(shù)的構(gòu)建過程中,通過優(yōu)化兩個成本度量解決不均衡問題。并引入擴(kuò)展性好的在線學(xué)習(xí),可隨網(wǎng)頁的到達(dá)頻繁更新有效應(yīng)對新出現(xiàn)的威脅;通過主動學(xué)習(xí)在傳入網(wǎng)頁的分類置信度低或正確預(yù)測存在高度不確定性時才會主動查詢標(biāo)簽,節(jié)省了大量數(shù)據(jù)的標(biāo)注成本?;诔杀久舾袑W(xué)習(xí)惡意網(wǎng)頁檢測流程如圖5。方法旨在解決兩個問題:(1)分類器必須決定何時該查詢傳入網(wǎng)頁實例的標(biāo)簽;(2)如何有效地更新分類器。探索主動學(xué)習(xí)解決第一個問題,研究成本敏感的在線學(xué)習(xí)策略解決第二個問題。

    2.2.2 成本敏感度量的定義

    使用xt∈?d表示第t 輪傳入網(wǎng)頁特征向量,wt∈?d是前t-1 訓(xùn)練樣本學(xué)習(xí)得到的模型。使用=sign(wt?xt)表示t 輪實例的預(yù)測結(jié)果, ||wt?xt表示預(yù)測置信度。 xt相應(yīng)實例的真實標(biāo)簽為yt∈{ }-1,+1 ,若,則模型誤判。

    假設(shè)網(wǎng)頁集合(x1,y1),(x2,y2),…,(xT,yT) 訓(xùn)練惡意網(wǎng)頁在線檢測模型,其中標(biāo)簽yt的顯示取決于該網(wǎng)頁是否需要查詢標(biāo)簽。訓(xùn)練過程中,常規(guī)的監(jiān)督學(xué)習(xí)方法優(yōu)化準(zhǔn)確率,對數(shù)據(jù)集類別不均衡的惡意網(wǎng)頁檢測任務(wù)不適用。因此優(yōu)化更合適的性能指標(biāo),如敏感度(sensitivity)和特異性(specificity)的線性加權(quán),即:

    其中,0 ≤ηp,ηn≤1 分別為惡意和良性實例的正確識別的權(quán)重參數(shù),且ηp+ηn=1,其中sensitivity 為所有惡意網(wǎng)頁中被正確識別的比例,specificity 為所有良性網(wǎng)頁中被正確識別的比例。當(dāng)ηp=ηn=1/2 時,sum 為平衡精度。sum 越大,模型性能越好。另一合適的評價指標(biāo)為模型錯分總代價cost,即:

    其中,Mp和Mn分別為正樣本和負(fù)樣本的誤判數(shù)量,0 ≤cp,cn≤1 分別為惡意和良性實例的誤判代價參數(shù),且cp+cn=1。cost 越小,模型性能越好。

    2.2.3 成本敏感學(xué)習(xí)算法

    通過優(yōu)化上述的sum 和cost 兩個成本敏感度量[11],構(gòu)建在線惡意網(wǎng)頁檢測模型。介紹算法之前,需要證明嵌入成本敏感度量的目標(biāo)函數(shù)。為了解決成本敏感分類問題,優(yōu)化目標(biāo)sum 最大化或cost 最小化等價于以下目標(biāo)函數(shù)最小化:

    其中,ρ 為成本敏感因子,當(dāng)ρ=ηpTn/ηnTp時,上述目標(biāo)函數(shù)最小化表示sum最大化。當(dāng)ρ=cp/cn時,上述目標(biāo)函數(shù)的最小化表示cost 最小化。||(s)為指標(biāo)函數(shù),滿足條件s 時值為1 否則為0,其他變量描述如2.2.2 節(jié)。兩類成本敏感度量的目標(biāo)函數(shù)的證明過程如下:

    其中,Tp和Tn分別為訓(xùn)練集中惡意網(wǎng)頁的數(shù)量和良性網(wǎng)頁的數(shù)量,其他變量的描述如2.2.2節(jié),上述需要優(yōu)化的目標(biāo)函數(shù)為非凸函數(shù),轉(zhuǎn)化為凸優(yōu)化問題,改進(jìn)后的hinge損失為:

    在線學(xué)習(xí)原始目標(biāo)函數(shù)如下:

    算法中懲罰系數(shù)C 和偏差系數(shù)ρ 設(shè)置為C=ρ=Tn/Tp,sum 優(yōu)化目標(biāo)中的正確識別權(quán)重參數(shù)以及cost優(yōu)化目標(biāo)中的誤判代價參數(shù)設(shè)置為ηp=cp=Tn/(Tp+Tn),ηn=cp=Tp/(Tp+Tn),為了保證訓(xùn)練初期需要更多的訓(xùn)練實例,采樣因子δ 的初始設(shè)置為0.5。算法描述如下:

    算法 成本敏感在線主動學(xué)習(xí)

    輸入懲罰系數(shù)C,偏差系數(shù)ρ 和采樣因子δ。

    初始化w1=0

    for t=1,2,…,T do

    傳入網(wǎng)頁實例xt∈?d

    if Zt=1 then

    查詢標(biāo)簽yt∈{ }

    -1,+1

    wt+1=wt+τtytxt

    else

    wt+1=wt+τtytxts.t.τt=0

    end if

    end for

    3 實驗

    3.1 實驗數(shù)據(jù)

    訓(xùn)練模型所用數(shù)據(jù)集包含帶標(biāo)簽的網(wǎng)頁4萬條,惡意與良性網(wǎng)頁的比例為78.8∶1。測試實際模型泛化能力的數(shù)據(jù)集包含不帶標(biāo)簽網(wǎng)頁25萬條。數(shù)據(jù)集中的一部分為2017 網(wǎng)絡(luò)信息安全對抗賽[14],均為真實的URL及其網(wǎng)頁源代碼,一部分來自于Phishtank[15]發(fā)布的惡意網(wǎng)頁黑名單,還有一部分是從Alexa中收集到的良性網(wǎng)頁。

    3.2 貢獻(xiàn)度分析

    第2 章中提取的惡意網(wǎng)頁檢測相關(guān)特征共513 維,所有特征均為靜態(tài)輕量級特征。將這些特征歸類為結(jié)構(gòu)、語義和統(tǒng)計三類,做特征選擇和貢獻(xiàn)度的分析,尤其對新提出的鏈接層次語義特征貢獻(xiàn)度進(jìn)行分析,特征選擇流程如圖6。

    圖6 特征處理流程圖

    使用feature_important[16]對特征選擇之后的114 個特征做貢獻(xiàn)度分析,計算并平均每個特征的基尼雜質(zhì)的減少,根據(jù)此值排序特征的貢獻(xiàn)度。貢獻(xiàn)度top20 的特征如表4,分?jǐn)?shù)為每個特征對分類的貢獻(xiàn)度。結(jié)果顯示,新提出的鏈接層次語義樹特征貢獻(xiàn)度分?jǐn)?shù)相對較高。語義類特征的貢獻(xiàn)度相對高于統(tǒng)計特征和結(jié)構(gòu)特征。

    3.3 分類器

    測試提取的特征和成本敏感在線主動學(xué)習(xí)方法在惡意網(wǎng)頁檢測任務(wù)中的有效性,考慮了SVM、RF和XGBoost 算法。使用默認(rèn)的參數(shù)配置這些分類器,詳細(xì)介紹這些分類器超出本文范圍,成本敏感在線主動學(xué)習(xí)方法也在第2章中詳細(xì)介紹過,所以僅提供簡介如下:

    表4 特征貢獻(xiàn)度top20

    RF:使用多個決策樹訓(xùn)練一個非概率分類器,多數(shù)投票預(yù)測類別。

    SVM:訓(xùn)練幾何間隔最大化的最優(yōu)分類超平面,通過核函數(shù)解決線性不可分問題。

    XGBoost:梯度提升決策樹的一種變體,引入正則項防過擬合,對損失函數(shù)二階泰勒展開使目標(biāo)函數(shù)更精確收斂到全局最優(yōu)。使用可并行近似直方圖算法,高效生成候選分割點。

    成本敏感在線主動學(xué)習(xí):構(gòu)建優(yōu)化兩類成本敏感度量目標(biāo)函數(shù)。訓(xùn)練過程中,對每個傳入的實例采用主動學(xué)習(xí)判斷是否查詢標(biāo)簽,然后決定是否用該實例更新模型。不僅適用于類別不均衡數(shù)據(jù)集,且模型只需一定數(shù)量的訓(xùn)練數(shù)據(jù)即可達(dá)到使用所有訓(xùn)練樣本的常規(guī)監(jiān)督學(xué)習(xí)的性能,更適用于解決惡意網(wǎng)頁檢測任務(wù)。

    3.4 評估

    評估本文方法和現(xiàn)有方法的效率和性能,從訓(xùn)練數(shù)據(jù)集中提取上述特征向量,訓(xùn)練上述四個分類器。在帶標(biāo)記的數(shù)據(jù)集中,對各分類器的性能和效率進(jìn)行了評估。另外,測試模型實際泛化能力,訓(xùn)練好的分類器在25萬條無標(biāo)簽數(shù)據(jù)集中檢測惡意網(wǎng)頁。

    3.4.1 帶標(biāo)簽數(shù)據(jù)集上的評估

    評估分類器在帶標(biāo)簽測試數(shù)據(jù)集上分類效率和性能,避免在訓(xùn)練集測試集的隨機(jī)分區(qū)中可能引入錯誤,采用10折交叉驗證策略訓(xùn)練上述分類器??紤]到數(shù)據(jù)集類別不均衡對準(zhǔn)確率的影響,除了accur(準(zhǔn)確率),表5中還引入了sens(sensitivity,靈敏度)、spec(specificity,特異性)及query(訓(xùn)練所需數(shù)據(jù)占訓(xùn)練集的比例)和time(預(yù)測耗時)等評價指標(biāo),計算公式如下:

    表5 各學(xué)習(xí)方法的性能對比

    其中TP FP TN FN 分別表示真正、假正、真負(fù)、假負(fù)網(wǎng)頁數(shù)。除了time 和query,以上評價指標(biāo)值越大則分類器性能越好。

    各學(xué)習(xí)方法在帶標(biāo)簽數(shù)據(jù)集表現(xiàn)如表5,使用特征選擇后的114 維特征訓(xùn)練分類器。上述各分類器整體分類準(zhǔn)確率超過了94%。

    成本敏感指標(biāo)最好的分類器為成本敏感在線主動學(xué)習(xí),其靈敏度為97.9%,特異性為96.7%,本文方法在靈敏度和特異性上均優(yōu)于其他監(jiān)督學(xué)習(xí)方法。通過主動學(xué)習(xí),僅使用21.4%訓(xùn)練數(shù)據(jù)的分類器,即可達(dá)到較好檢測性能,能在保持檢測效果的同時節(jié)省大量數(shù)據(jù)標(biāo)注成本。

    為了對比減少訓(xùn)練數(shù)據(jù)對其他監(jiān)督學(xué)習(xí)方法性能的影響,正負(fù)樣本分層隨機(jī)選取訓(xùn)練數(shù)據(jù)中的21.4%,訓(xùn)練SVM、RF 和XGBoost 模型,在帶標(biāo)簽的數(shù)據(jù)集表現(xiàn)如表6,顯示減少訓(xùn)練數(shù)據(jù)會極大地降低其他有監(jiān)督學(xué)習(xí)模型的性能。

    表6 各學(xué)習(xí)方法的性能對比(隨機(jī)選取21.4%訓(xùn)練數(shù)據(jù)) %

    3.4.2 無標(biāo)簽數(shù)據(jù)集上的評估

    評估上述分類器從無標(biāo)簽數(shù)據(jù)集中檢測惡意的網(wǎng)頁的實際泛化能力,使用主流反病毒工具VirusTotal 和人驗證方式做進(jìn)一步驗證。人工驗證方法為從攻擊者角度進(jìn)行,先找出該網(wǎng)頁的仿制對象,再采用人工對比確認(rèn)其是否為惡意網(wǎng)頁。實驗結(jié)果如表7 所示,其中malicious 為分類器檢測為惡意的網(wǎng)頁數(shù),rest 為未被VirusTotal所驗證出網(wǎng)頁數(shù),manual為rest中被人工驗證為惡意網(wǎng)頁數(shù),即VirusTotal所漏報的惡意網(wǎng)頁。

    表7 各學(xué)習(xí)方法在25萬條無標(biāo)簽數(shù)據(jù)集的表現(xiàn)

    如表7顯示,本文方法從25萬條無標(biāo)簽數(shù)據(jù)中檢測出875個惡意網(wǎng)頁,VirusTotal僅驗證其中470個為惡意網(wǎng)頁,人工驗證剩余的405 條中的386 為惡意網(wǎng)頁。結(jié)果顯示本文方法優(yōu)于反病毒工具VirusTotal和常規(guī)監(jiān)督學(xué)習(xí)方法。

    3.4.3 評估集成為惡意檢測插件的潛力

    目前存在瀏覽器插件的惡意網(wǎng)頁檢測方法,為了評估本文方法作為瀏覽器插件的在線實時檢測器的潛力,分析惡意網(wǎng)頁檢測中每一步的耗時。網(wǎng)頁特征向量提取耗時與分類器的預(yù)測耗時總和為單個網(wǎng)頁的檢測時間,表5 中最差的分類器SVM 平均單個網(wǎng)頁預(yù)測耗時只需要0.006 ms,相比于網(wǎng)頁特征向量提取耗時,預(yù)測耗時可忽略不計。平均每個網(wǎng)頁的特征向量提取耗時78 ms 可作為集成為瀏覽器插件檢測惡意網(wǎng)頁的真實時間開銷。

    4 結(jié)束語

    本文提出的網(wǎng)頁鏈接層次語義樹特征可有效解決URL縮短服務(wù)帶來的威脅,與常規(guī)監(jiān)督學(xué)習(xí)方法相比成本敏感在線學(xué)習(xí)解決了惡意網(wǎng)頁檢測任務(wù)中數(shù)據(jù)類別不均衡問題。本文方法在惡意網(wǎng)頁檢測中優(yōu)于主流的反病毒工具VirusTotal。未來研究中將嘗試成本敏感多分類惡意檢測方法和基于瀏覽器插件的惡意網(wǎng)頁檢測的集成。

    猜你喜歡
    域名分類器網(wǎng)頁
    基于CSS的網(wǎng)頁導(dǎo)航欄的設(shè)計
    電子制作(2018年10期)2018-08-04 03:24:38
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    如何購買WordPress網(wǎng)站域名及綁定域名
    基于URL和網(wǎng)頁類型的網(wǎng)頁信息采集研究
    電子制作(2017年2期)2017-05-17 03:54:56
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    網(wǎng)頁制作在英語教學(xué)中的應(yīng)用
    電子測試(2015年18期)2016-01-14 01:22:58
    騰訊八百萬美元收購域名
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    10個必知的網(wǎng)頁設(shè)計術(shù)語
    亚洲国产精品999在线| 欧美日韩黄片免| 桃色一区二区三区在线观看| 精品久久久久久久久久免费视频| 9191精品国产免费久久| 精品人妻1区二区| 亚洲精品色激情综合| 精品久久久久久久末码| 校园春色视频在线观看| 日韩精品中文字幕看吧| 少妇丰满av| 我要搜黄色片| 在线看三级毛片| 看片在线看免费视频| 999久久久精品免费观看国产| 男女做爰动态图高潮gif福利片| 男女之事视频高清在线观看| 99久久综合精品五月天人人| 欧美日韩瑟瑟在线播放| 一a级毛片在线观看| 在线观看美女被高潮喷水网站 | 国产91精品成人一区二区三区| 亚洲av熟女| aaaaa片日本免费| 波多野结衣巨乳人妻| 久久精品91蜜桃| 亚洲激情在线av| 一个人观看的视频www高清免费观看 | 真实男女啪啪啪动态图| 动漫黄色视频在线观看| 亚洲熟妇熟女久久| 99久久国产精品久久久| 中文资源天堂在线| 一级a爱片免费观看的视频| av在线天堂中文字幕| 午夜激情欧美在线| 午夜日韩欧美国产| 国产三级在线视频| 亚洲av第一区精品v没综合| 国产97色在线日韩免费| 亚洲国产精品合色在线| 九九久久精品国产亚洲av麻豆 | 色综合婷婷激情| 久久久久久九九精品二区国产| 欧美黑人欧美精品刺激| 成人性生交大片免费视频hd| 天堂av国产一区二区熟女人妻| 我的老师免费观看完整版| 在线免费观看的www视频| 久久久久国内视频| 欧美大码av| 一个人看的www免费观看视频| 中文字幕人成人乱码亚洲影| 一边摸一边抽搐一进一小说| 中文字幕久久专区| 午夜福利在线在线| 天天添夜夜摸| 亚洲avbb在线观看| 老司机在亚洲福利影院| www日本黄色视频网| 久久国产精品影院| 噜噜噜噜噜久久久久久91| 一进一出好大好爽视频| 欧美午夜高清在线| 深夜精品福利| 香蕉丝袜av| 99riav亚洲国产免费| a级毛色黄片| 精品久久久久久久久久久久久| 亚洲人成网站在线观看播放| 黄色配什么色好看| 一区二区三区高清视频在线| 少妇被粗大猛烈的视频| 变态另类丝袜制服| 六月丁香七月| 91精品国产九色| 亚洲最大成人中文| 七月丁香在线播放| 人妻少妇偷人精品九色| 成人欧美大片| 欧美日韩在线观看h| 久久综合国产亚洲精品| 亚洲图色成人| 日本免费在线观看一区| 久久久久久国产a免费观看| 熟女人妻精品中文字幕| 国产在线男女| 91aial.com中文字幕在线观看| 偷拍熟女少妇极品色| 婷婷色av中文字幕| 国产高清不卡午夜福利| 国产亚洲午夜精品一区二区久久 | or卡值多少钱| 日本黄色片子视频| 黄色一级大片看看| 爱豆传媒免费全集在线观看| 亚洲最大成人手机在线| 人人妻人人看人人澡| 日本五十路高清| 国产精品女同一区二区软件| 国产av一区在线观看免费| 插逼视频在线观看| 久久欧美精品欧美久久欧美| 午夜亚洲福利在线播放| 老女人水多毛片| 欧美不卡视频在线免费观看| 伊人久久精品亚洲午夜| 搡老妇女老女人老熟妇| 亚洲自偷自拍三级| 青春草亚洲视频在线观看| videossex国产| 国产乱来视频区| 久久久精品大字幕| 久久久久国产网址| 久久久午夜欧美精品| 丰满人妻一区二区三区视频av| 久久99热这里只频精品6学生 | av在线老鸭窝| 少妇高潮的动态图| 久久欧美精品欧美久久欧美| 国产亚洲91精品色在线| 午夜老司机福利剧场| 免费黄网站久久成人精品| 中国美白少妇内射xxxbb| 天天躁夜夜躁狠狠久久av| 精华霜和精华液先用哪个| 久久韩国三级中文字幕| 联通29元200g的流量卡| 欧美日本亚洲视频在线播放| 美女内射精品一级片tv| 精品久久久久久久人妻蜜臀av| 亚洲成人精品中文字幕电影| 男人的好看免费观看在线视频| 中文字幕久久专区| 免费观看a级毛片全部| 久久午夜福利片| 久久精品国产鲁丝片午夜精品| 欧美潮喷喷水| 丝袜美腿在线中文| 亚洲精品aⅴ在线观看| 一级黄色大片毛片| 国产精品福利在线免费观看| 久久精品影院6| 成人无遮挡网站| 欧美极品一区二区三区四区| 尾随美女入室| 欧美精品一区二区大全| 亚洲精品乱久久久久久| 18禁裸乳无遮挡免费网站照片| 18禁动态无遮挡网站| 亚洲无线观看免费| 国产精品综合久久久久久久免费| 在线免费观看的www视频| 久久久色成人| 天天一区二区日本电影三级| 国产成人精品婷婷| 如何舔出高潮| 日韩av不卡免费在线播放| 观看美女的网站| 日本三级黄在线观看| 亚洲精品aⅴ在线观看| 综合色丁香网| 国产精品麻豆人妻色哟哟久久 | 成人三级黄色视频| 国产亚洲精品久久久com| 中文字幕av在线有码专区| 日本午夜av视频| 丰满少妇做爰视频| 国产成人一区二区在线| 国产成年人精品一区二区| 中文字幕精品亚洲无线码一区| 看免费成人av毛片| 天堂√8在线中文| 日韩一区二区三区影片| 国产一级毛片七仙女欲春2| 噜噜噜噜噜久久久久久91| 九九爱精品视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 淫秽高清视频在线观看| 国产一区有黄有色的免费视频 | 美女国产视频在线观看| 成人二区视频| 国产淫语在线视频| 欧美一区二区亚洲| 婷婷六月久久综合丁香| 丰满人妻一区二区三区视频av| 日日啪夜夜撸| ponron亚洲| 爱豆传媒免费全集在线观看| 一区二区三区四区激情视频| 日韩 亚洲 欧美在线| 国产淫语在线视频| 三级国产精品欧美在线观看| 国产成年人精品一区二区| 毛片女人毛片| 午夜久久久久精精品| 国产又色又爽无遮挡免| 一区二区三区高清视频在线| av又黄又爽大尺度在线免费看 | 少妇人妻精品综合一区二区| 看片在线看免费视频| 亚洲激情五月婷婷啪啪| 色综合站精品国产| 国产精品一区www在线观看| 国产精品电影一区二区三区| 22中文网久久字幕| 色综合站精品国产| 亚洲成人久久爱视频| a级一级毛片免费在线观看| 日韩av不卡免费在线播放| 男女边吃奶边做爰视频| 水蜜桃什么品种好| 人人妻人人看人人澡| 黄片无遮挡物在线观看| 日韩成人av中文字幕在线观看| 99热全是精品| 亚洲电影在线观看av| 99九九线精品视频在线观看视频| 观看免费一级毛片| 精品国产三级普通话版| 韩国高清视频一区二区三区| 国产女主播在线喷水免费视频网站 | 我要看日韩黄色一级片| 国产免费又黄又爽又色| 久久久成人免费电影| 午夜激情福利司机影院| 国产免费福利视频在线观看| 久久久久久久久久久免费av| 2022亚洲国产成人精品| 狂野欧美激情性xxxx在线观看| 嫩草影院新地址| 永久免费av网站大全| 又粗又爽又猛毛片免费看| av又黄又爽大尺度在线免费看 | 一卡2卡三卡四卡精品乱码亚洲| 三级经典国产精品| 97超视频在线观看视频| 青春草国产在线视频| 国产高清不卡午夜福利| 国产成年人精品一区二区| 亚洲国产色片| 午夜免费男女啪啪视频观看| 2022亚洲国产成人精品| 一夜夜www| 欧美另类亚洲清纯唯美| 在线a可以看的网站| 亚洲av免费在线观看| 国产精品熟女久久久久浪| 精品国内亚洲2022精品成人| 亚洲精品久久久久久婷婷小说 | 高清在线视频一区二区三区 | 色综合站精品国产| 国产高清三级在线| 久久久久久久久大av| 欧美3d第一页| 国产亚洲5aaaaa淫片| 午夜福利视频1000在线观看| 国语自产精品视频在线第100页| 国产精品日韩av在线免费观看| 99久久成人亚洲精品观看| av在线观看视频网站免费| 男人和女人高潮做爰伦理| 伊人久久精品亚洲午夜| av播播在线观看一区| 日本黄色视频三级网站网址| 久久人妻av系列| 国产午夜精品一二区理论片| 午夜福利高清视频| 狂野欧美激情性xxxx在线观看| 免费看日本二区| 亚洲经典国产精华液单| 久久99热这里只有精品18| 一区二区三区乱码不卡18| 日韩视频在线欧美| 日韩av不卡免费在线播放| 一级二级三级毛片免费看| 麻豆av噜噜一区二区三区| 日韩国内少妇激情av| 成人国产麻豆网| 午夜福利在线观看吧| 国产又黄又爽又无遮挡在线| 身体一侧抽搐| 麻豆国产97在线/欧美| 99热全是精品| 成年版毛片免费区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美成人一区二区免费高清观看| 国产欧美另类精品又又久久亚洲欧美| 久久6这里有精品| 久久久久性生活片| 亚洲在线观看片| 亚洲精品日韩在线中文字幕| 免费搜索国产男女视频| 老师上课跳d突然被开到最大视频| 成人毛片a级毛片在线播放| 日韩强制内射视频| 中文字幕制服av| 国产精品1区2区在线观看.| 国产欧美另类精品又又久久亚洲欧美| 热99re8久久精品国产| 久久久久久久久中文| 黄片无遮挡物在线观看| 六月丁香七月| 丝袜喷水一区| 久久欧美精品欧美久久欧美| 女人十人毛片免费观看3o分钟| 国产精品麻豆人妻色哟哟久久 | 免费av不卡在线播放| 爱豆传媒免费全集在线观看| 韩国av在线不卡| 女人久久www免费人成看片 | av专区在线播放| 欧美bdsm另类| 午夜精品在线福利| a级一级毛片免费在线观看| 汤姆久久久久久久影院中文字幕 | 九九热线精品视视频播放| 久久精品国产鲁丝片午夜精品| 男的添女的下面高潮视频| 日本av手机在线免费观看| 国产精品麻豆人妻色哟哟久久 | 我的女老师完整版在线观看| 久99久视频精品免费| 少妇高潮的动态图| 成人毛片60女人毛片免费| 国产精品三级大全| 欧美另类亚洲清纯唯美| 中文亚洲av片在线观看爽| 国产亚洲午夜精品一区二区久久 | АⅤ资源中文在线天堂| 桃色一区二区三区在线观看| 日本免费在线观看一区| 天美传媒精品一区二区| 观看免费一级毛片| 亚洲电影在线观看av| 欧美精品国产亚洲| 久久精品国产亚洲网站| 久久久久久久久久成人| 黄片无遮挡物在线观看| 舔av片在线| 欧美成人免费av一区二区三区| 亚洲精品aⅴ在线观看| 卡戴珊不雅视频在线播放| 国产在视频线在精品| 国产高清不卡午夜福利| 日本猛色少妇xxxxx猛交久久| 亚洲国产色片| 中文字幕久久专区| 欧美又色又爽又黄视频| 欧美成人a在线观看| 国产在线男女| 热99在线观看视频| 成人性生交大片免费视频hd| 日韩国内少妇激情av| 我的老师免费观看完整版| 亚洲综合色惰| 国产真实乱freesex| 久久久久国产网址| 亚洲18禁久久av| 青春草国产在线视频| 99久久九九国产精品国产免费| 最近最新中文字幕免费大全7| 久99久视频精品免费| 看十八女毛片水多多多| av免费在线看不卡| 麻豆乱淫一区二区| 人体艺术视频欧美日本| 日韩大片免费观看网站 | 亚洲人成网站在线播| 国产午夜精品论理片| 国产精品久久久久久精品电影| 能在线免费观看的黄片| 三级男女做爰猛烈吃奶摸视频| 免费观看人在逋| 成人亚洲精品av一区二区| 日韩av在线免费看完整版不卡| 热99在线观看视频| 大香蕉97超碰在线| 亚洲国产日韩欧美精品在线观看| 国产高清视频在线观看网站| 亚洲国产成人一精品久久久| 黄色配什么色好看| АⅤ资源中文在线天堂| 精品久久久久久成人av| 男的添女的下面高潮视频| 毛片一级片免费看久久久久| 亚洲无线观看免费| 亚洲欧洲国产日韩| 人妻少妇偷人精品九色| 国产探花极品一区二区| 亚洲精品色激情综合| 色视频www国产| 男人舔奶头视频| 欧美成人a在线观看| av专区在线播放| 少妇人妻一区二区三区视频| 夜夜看夜夜爽夜夜摸| 国产在线一区二区三区精 | 一区二区三区高清视频在线| 亚洲国产精品成人综合色| 成人一区二区视频在线观看| 亚洲欧美日韩无卡精品| 热99re8久久精品国产| 亚洲av日韩在线播放| 岛国在线免费视频观看| 黄色欧美视频在线观看| 国产 一区精品| av卡一久久| 亚洲最大成人中文| 舔av片在线| 99热精品在线国产| 久久热精品热| 综合色丁香网| 国产色婷婷99| 国内揄拍国产精品人妻在线| 午夜激情欧美在线| 国产高潮美女av| 男插女下体视频免费在线播放| 成年版毛片免费区| 久久久久久久午夜电影| 真实男女啪啪啪动态图| 亚洲成人中文字幕在线播放| 狂野欧美白嫩少妇大欣赏| 国产午夜福利久久久久久| 成人无遮挡网站| 成年版毛片免费区| 久久久精品欧美日韩精品| 亚洲av不卡在线观看| 国产三级中文精品| 日本欧美国产在线视频| 亚洲色图av天堂| 成人午夜高清在线视频| 国产精品人妻久久久久久| 美女黄网站色视频| 成人二区视频| 国产精品国产三级专区第一集| 毛片女人毛片| 国产老妇女一区| 18禁在线无遮挡免费观看视频| 少妇高潮的动态图| 精品免费久久久久久久清纯| 一级毛片aaaaaa免费看小| 精品人妻视频免费看| 麻豆成人午夜福利视频| 高清午夜精品一区二区三区| 日韩欧美精品免费久久| 欧美激情国产日韩精品一区| 国产亚洲最大av| 级片在线观看| 久久99蜜桃精品久久| 成人av在线播放网站| 国产免费一级a男人的天堂| 老司机影院成人| 国产成人精品久久久久久| 亚洲最大成人手机在线| 精品熟女少妇av免费看| 男女视频在线观看网站免费| 国产伦理片在线播放av一区| 综合色av麻豆| 亚洲av成人精品一区久久| 在线免费观看的www视频| 国产又黄又爽又无遮挡在线| 亚洲国产精品专区欧美| 欧美丝袜亚洲另类| 午夜福利在线在线| 一边摸一边抽搐一进一小说| 亚洲经典国产精华液单| 久久韩国三级中文字幕| 亚洲av二区三区四区| 国产精品女同一区二区软件| 精品少妇黑人巨大在线播放 | 日本一本二区三区精品| 91av网一区二区| 99九九线精品视频在线观看视频| 啦啦啦观看免费观看视频高清| 97超视频在线观看视频| 亚洲国产精品久久男人天堂| 91aial.com中文字幕在线观看| 色视频www国产| 日韩av不卡免费在线播放| 日韩 亚洲 欧美在线| 亚洲中文字幕一区二区三区有码在线看| 国产免费视频播放在线视频 | 久久亚洲国产成人精品v| 麻豆国产97在线/欧美| 国产综合懂色| 日韩三级伦理在线观看| 国产日韩欧美在线精品| 亚洲国产欧美在线一区| 国产成人精品一,二区| 久久国产乱子免费精品| 能在线免费观看的黄片| 日韩人妻高清精品专区| 秋霞在线观看毛片| 亚洲精品自拍成人| 成人性生交大片免费视频hd| 成人毛片60女人毛片免费| 国内精品宾馆在线| 熟女电影av网| 最后的刺客免费高清国语| 欧美区成人在线视频| 欧美色视频一区免费| 久久久久久九九精品二区国产| 最近2019中文字幕mv第一页| 最近中文字幕2019免费版| 亚洲五月天丁香| 精品国产一区二区三区久久久樱花 | 免费无遮挡裸体视频| 最近中文字幕高清免费大全6| 亚洲在久久综合| 一级毛片久久久久久久久女| 欧美激情久久久久久爽电影| 一二三四中文在线观看免费高清| 一个人看的www免费观看视频| 欧美成人一区二区免费高清观看| 全区人妻精品视频| 精品久久久久久久末码| 免费av不卡在线播放| 亚洲综合精品二区| 午夜福利在线观看免费完整高清在| 国产老妇伦熟女老妇高清| 精品一区二区三区人妻视频| 国产精品久久久久久精品电影小说 | 欧美激情国产日韩精品一区| 视频中文字幕在线观看| 日韩,欧美,国产一区二区三区 | 高清视频免费观看一区二区 | 国产精品久久久久久av不卡| 亚洲成人av在线免费| 男插女下体视频免费在线播放| 一区二区三区高清视频在线| 少妇熟女欧美另类| 汤姆久久久久久久影院中文字幕 | 欧美成人a在线观看| 亚洲av二区三区四区| 在现免费观看毛片| 日韩av不卡免费在线播放| 女人被狂操c到高潮| 国内揄拍国产精品人妻在线| 亚洲国产精品国产精品| 亚洲av成人av| 亚洲精华国产精华液的使用体验| 一级毛片久久久久久久久女| 网址你懂的国产日韩在线| 国内精品宾馆在线| 日韩av不卡免费在线播放| 日韩一区二区三区影片| 欧美日韩精品成人综合77777| 18禁动态无遮挡网站| 少妇丰满av| 最近最新中文字幕大全电影3| av又黄又爽大尺度在线免费看 | av在线蜜桃| 久久久久网色| 神马国产精品三级电影在线观看| 一级av片app| 九九久久精品国产亚洲av麻豆| 成人美女网站在线观看视频| 久久人人爽人人爽人人片va| 国产激情偷乱视频一区二区| 最近视频中文字幕2019在线8| 日日摸夜夜添夜夜添av毛片| 女人十人毛片免费观看3o分钟| av天堂中文字幕网| 中文乱码字字幕精品一区二区三区 | 国产伦理片在线播放av一区| 69av精品久久久久久| 你懂的网址亚洲精品在线观看 | 两个人的视频大全免费| 一边摸一边抽搐一进一小说| 不卡视频在线观看欧美| 六月丁香七月| 1000部很黄的大片| 国产精品国产三级国产专区5o | 亚洲精品一区蜜桃| 亚洲精品色激情综合| 成人美女网站在线观看视频| 九九热线精品视视频播放| 国产精品国产高清国产av| 大香蕉97超碰在线| 国产极品天堂在线| 晚上一个人看的免费电影| 草草在线视频免费看| 欧美一级a爱片免费观看看| 嫩草影院精品99| 久久久久国产网址| 欧美成人a在线观看| 天堂中文最新版在线下载 | 亚洲精品aⅴ在线观看| 99热全是精品| eeuss影院久久| 国产亚洲av片在线观看秒播厂 | 黄片wwwwww| 99热这里只有是精品50| 成人特级av手机在线观看| 国产精品.久久久| 亚洲欧美日韩高清专用| 久久99精品国语久久久| 精品久久久久久成人av| 亚洲内射少妇av| 亚洲最大成人中文| 日韩成人av中文字幕在线观看| 国产高清不卡午夜福利| 日韩 亚洲 欧美在线| 日韩欧美精品v在线| 亚洲精品乱码久久久v下载方式| 久久久久久久久久黄片| 秋霞伦理黄片| 午夜亚洲福利在线播放| 女人久久www免费人成看片 | 亚洲激情五月婷婷啪啪| 国产91av在线免费观看| 变态另类丝袜制服| www.av在线官网国产| 日韩亚洲欧美综合|