• <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
    久久久精品大字幕| 搡老妇女老女人老熟妇| 久久久精品国产亚洲av高清涩受| 91老司机精品| 999久久久精品免费观看国产| 国产又色又爽无遮挡免费看| 啪啪无遮挡十八禁网站| 久久伊人香网站| 国内精品一区二区在线观看| 18禁黄网站禁片免费观看直播| 一个人免费在线观看的高清视频| 国产成人av教育| 午夜久久久久精精品| 亚洲av五月六月丁香网| 午夜a级毛片| 欧美日韩亚洲综合一区二区三区_| 国产成人啪精品午夜网站| 亚洲国产欧美网| 两个人的视频大全免费| av有码第一页| 国产麻豆成人av免费视频| 欧美久久黑人一区二区| 女同久久另类99精品国产91| 免费在线观看完整版高清| 久久天躁狠狠躁夜夜2o2o| 欧美一级毛片孕妇| 国产午夜精品论理片| 久久欧美精品欧美久久欧美| 久久人妻福利社区极品人妻图片| 欧美黄色淫秽网站| 亚洲国产日韩欧美精品在线观看 | 久久人妻av系列| 国产精品一区二区精品视频观看| 久久精品国产亚洲av香蕉五月| 最近最新中文字幕大全免费视频| 日本三级黄在线观看| 又黄又爽又免费观看的视频| 午夜福利欧美成人| 岛国在线免费视频观看| 欧美另类亚洲清纯唯美| 亚洲欧美精品综合一区二区三区| 亚洲,欧美精品.| a在线观看视频网站| 级片在线观看| 日本成人三级电影网站| 欧美黑人欧美精品刺激| 午夜精品久久久久久毛片777| 亚洲av成人精品一区久久| 日本成人三级电影网站| 久久天堂一区二区三区四区| 亚洲色图 男人天堂 中文字幕| 国产久久久一区二区三区| 99精品在免费线老司机午夜| 9191精品国产免费久久| 日日摸夜夜添夜夜添小说| 人人妻人人看人人澡| 国产亚洲精品一区二区www| 成人国产综合亚洲| 精品一区二区三区视频在线观看免费| 亚洲 国产 在线| 亚洲国产精品sss在线观看| 国产不卡一卡二| 免费av毛片视频| 国产黄a三级三级三级人| 午夜福利免费观看在线| 日日干狠狠操夜夜爽| 一本久久中文字幕| 国产区一区二久久| 99热这里只有是精品50| 国产视频一区二区在线看| 久久99热这里只有精品18| 亚洲五月天丁香| svipshipincom国产片| 一二三四在线观看免费中文在| 亚洲美女视频黄频| a级毛片在线看网站| 在线播放国产精品三级| 人妻夜夜爽99麻豆av| 亚洲av成人av| 老司机午夜十八禁免费视频| 国产午夜精品论理片| 国产精品久久久av美女十八| 免费看十八禁软件| 99精品在免费线老司机午夜| 国产亚洲精品第一综合不卡| 欧美黑人巨大hd| 国产久久久一区二区三区| 又紧又爽又黄一区二区| 深夜精品福利| 免费在线观看亚洲国产| 亚洲午夜精品一区,二区,三区| 在线观看一区二区三区| 国产亚洲av嫩草精品影院| 中文在线观看免费www的网站 | 欧美色视频一区免费| 亚洲 欧美一区二区三区| 国内少妇人妻偷人精品xxx网站 | 久久精品国产99精品国产亚洲性色| 亚洲最大成人中文| 宅男免费午夜| 真人一进一出gif抽搐免费| 精品国产乱子伦一区二区三区| 人妻夜夜爽99麻豆av| 国产精品日韩av在线免费观看| 久久久久性生活片| 欧美精品啪啪一区二区三区| 宅男免费午夜| 午夜精品久久久久久毛片777| 一级毛片高清免费大全| 久久人人精品亚洲av| 一夜夜www| 国产精品久久电影中文字幕| 每晚都被弄得嗷嗷叫到高潮| 欧美日韩乱码在线| 两个人看的免费小视频| 人人妻,人人澡人人爽秒播| 免费观看人在逋| 老司机福利观看| 在线观看66精品国产| 免费在线观看完整版高清| 成人av在线播放网站| 亚洲午夜理论影院| 久久精品aⅴ一区二区三区四区| 这个男人来自地球电影免费观看| 一区二区三区国产精品乱码| 在线观看一区二区三区| 给我免费播放毛片高清在线观看| 99国产精品99久久久久| 午夜福利欧美成人| 一级作爱视频免费观看| 99国产精品一区二区三区| 男女做爰动态图高潮gif福利片| 日韩高清综合在线| 国产成人av激情在线播放| ponron亚洲| 极品教师在线免费播放| 国产片内射在线| 麻豆久久精品国产亚洲av| 久久久久久久午夜电影| 欧洲精品卡2卡3卡4卡5卡区| 国产精品综合久久久久久久免费| a级毛片a级免费在线| 老司机午夜福利在线观看视频| 久热爱精品视频在线9| 国产高清视频在线观看网站| 中出人妻视频一区二区| 三级国产精品欧美在线观看 | www国产在线视频色| 国产精品乱码一区二三区的特点| 中文字幕人妻丝袜一区二区| 91麻豆av在线| 两个人的视频大全免费| 91av网站免费观看| 亚洲人成网站高清观看| 99国产极品粉嫩在线观看| 国产成人精品久久二区二区91| 久久久久精品国产欧美久久久| 我的老师免费观看完整版| 91成年电影在线观看| 99久久综合精品五月天人人| 国产亚洲av高清不卡| 国产午夜精品久久久久久| 亚洲人与动物交配视频| 国产精品一区二区精品视频观看| 亚洲人成77777在线视频| 熟女少妇亚洲综合色aaa.| 国产精品久久久久久久电影 | 亚洲av美国av| 国产成人欧美在线观看| 在线观看www视频免费| 淫秽高清视频在线观看| 亚洲av电影不卡..在线观看| 日本免费一区二区三区高清不卡| 夜夜爽天天搞| 99久久99久久久精品蜜桃| 国产又色又爽无遮挡免费看| 国产成人一区二区三区免费视频网站| 777久久人妻少妇嫩草av网站| 亚洲精品美女久久久久99蜜臀| 很黄的视频免费| 国语自产精品视频在线第100页| АⅤ资源中文在线天堂| 精品午夜福利视频在线观看一区| 久久婷婷成人综合色麻豆| 国产精品精品国产色婷婷| 日韩欧美在线二视频| 一区二区三区高清视频在线| 啪啪无遮挡十八禁网站| 91九色精品人成在线观看| 亚洲美女视频黄频| 真人一进一出gif抽搐免费| 国产人伦9x9x在线观看| 天堂av国产一区二区熟女人妻 | 神马国产精品三级电影在线观看 | 国产在线精品亚洲第一网站| 久久久久免费精品人妻一区二区| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美av亚洲av综合av国产av| 天堂√8在线中文| 中国美女看黄片| 久久这里只有精品19| 国产精品永久免费网站| www日本在线高清视频| 亚洲成人精品中文字幕电影| 久久久久久久午夜电影| 免费看日本二区| 欧美日韩黄片免| 国产精品精品国产色婷婷| 中文字幕最新亚洲高清| 久久久久亚洲av毛片大全| 欧美黑人巨大hd| 麻豆一二三区av精品| 国产主播在线观看一区二区| 午夜老司机福利片| av免费在线观看网站| 淫秽高清视频在线观看| 啦啦啦观看免费观看视频高清| 国产精品久久久av美女十八| 精品无人区乱码1区二区| 在线观看66精品国产| 亚洲av电影在线进入| 国产高清videossex| 日韩欧美国产一区二区入口| 成年人黄色毛片网站| 免费在线观看视频国产中文字幕亚洲| 在线观看免费午夜福利视频| 国产熟女xx| 精品乱码久久久久久99久播| 亚洲精品国产一区二区精华液| 999久久久精品免费观看国产| 18禁美女被吸乳视频| 日韩大尺度精品在线看网址| www日本黄色视频网| 最近在线观看免费完整版| 国内精品一区二区在线观看| 听说在线观看完整版免费高清| 久久国产精品人妻蜜桃| 巨乳人妻的诱惑在线观看| 国产av又大| 国产精品一区二区三区四区免费观看 | 老汉色∧v一级毛片| 亚洲精品中文字幕一二三四区| 啦啦啦韩国在线观看视频| 欧美黑人精品巨大| 国产成人欧美在线观看| 神马国产精品三级电影在线观看 | 久久久久亚洲av毛片大全| 国产成人影院久久av| 搞女人的毛片| 国产一区二区在线av高清观看| 校园春色视频在线观看| 成人三级黄色视频| 午夜激情福利司机影院| 人妻夜夜爽99麻豆av| 亚洲黑人精品在线| 欧美高清成人免费视频www| 香蕉av资源在线| 成人国语在线视频| 此物有八面人人有两片| 日韩有码中文字幕| 在线观看免费视频日本深夜| 51午夜福利影视在线观看| 窝窝影院91人妻| 国产蜜桃级精品一区二区三区| 亚洲成a人片在线一区二区| 欧美日韩黄片免| 免费搜索国产男女视频| 欧美日韩瑟瑟在线播放| 欧美日韩乱码在线| 女人爽到高潮嗷嗷叫在线视频| 十八禁网站免费在线| svipshipincom国产片| 2021天堂中文幕一二区在线观| 麻豆国产av国片精品| 777久久人妻少妇嫩草av网站| 嫩草影院精品99| 淫妇啪啪啪对白视频| 国产不卡一卡二| 欧美色欧美亚洲另类二区| 三级国产精品欧美在线观看 | 制服人妻中文乱码| 午夜a级毛片| 两人在一起打扑克的视频| 亚洲精品在线美女| www.www免费av| 亚洲最大成人中文| 嫩草影院精品99| 国产99久久九九免费精品| 少妇被粗大的猛进出69影院| 一卡2卡三卡四卡精品乱码亚洲| 伊人久久大香线蕉亚洲五| 给我免费播放毛片高清在线观看| 一边摸一边做爽爽视频免费| 国产成人精品无人区| 亚洲午夜理论影院| 变态另类丝袜制服| 国产精品一区二区免费欧美| 午夜激情福利司机影院| 久久久久久免费高清国产稀缺| 大型av网站在线播放| 亚洲午夜理论影院| 国产一区二区在线av高清观看| 91大片在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 老汉色∧v一级毛片| 国模一区二区三区四区视频 | 久久婷婷人人爽人人干人人爱| 久久精品国产99精品国产亚洲性色| 成人国产一区最新在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲中文字幕一区二区三区有码在线看 | 这个男人来自地球电影免费观看| av免费在线观看网站| av视频在线观看入口| 好看av亚洲va欧美ⅴa在| 国产一区二区激情短视频| 久久久久久久久免费视频了| 草草在线视频免费看| 女人被狂操c到高潮| 男人舔奶头视频| 国产真实乱freesex| 亚洲欧美精品综合一区二区三区| 亚洲精华国产精华精| 国产成+人综合+亚洲专区| 久久久国产精品麻豆| 99热这里只有是精品50| 国产精品一区二区三区四区久久| 精品久久久久久久久久久久久| avwww免费| 可以免费在线观看a视频的电影网站| 午夜福利在线在线| 99久久精品国产亚洲精品| 久久精品人妻少妇| 中文字幕精品亚洲无线码一区| 亚洲中文字幕一区二区三区有码在线看 | 午夜精品久久久久久毛片777| 亚洲国产高清在线一区二区三| 欧美日韩乱码在线| 人妻久久中文字幕网| 日本黄色视频三级网站网址| 亚洲精品色激情综合| 后天国语完整版免费观看| 久久久久久久久中文| 成人三级黄色视频| 一边摸一边抽搐一进一小说| 日日夜夜操网爽| 亚洲全国av大片| 制服丝袜大香蕉在线| 狂野欧美激情性xxxx| 亚洲欧美精品综合一区二区三区| 国产欧美日韩精品亚洲av| 久久久久性生活片| av福利片在线观看| 床上黄色一级片| 成人国语在线视频| 成人特级黄色片久久久久久久| 一二三四社区在线视频社区8| 制服人妻中文乱码| 男女床上黄色一级片免费看| 精品国产乱子伦一区二区三区| 99精品欧美一区二区三区四区| 欧美久久黑人一区二区| 十八禁网站免费在线| 50天的宝宝边吃奶边哭怎么回事| 天堂动漫精品| 欧美一级a爱片免费观看看 | 香蕉久久夜色| 男女之事视频高清在线观看| 国产精品一区二区三区四区免费观看 | 五月伊人婷婷丁香| 特大巨黑吊av在线直播| 97人妻精品一区二区三区麻豆| 久久久国产成人精品二区| 久久久国产欧美日韩av| 可以免费在线观看a视频的电影网站| 亚洲欧美日韩无卡精品| 中出人妻视频一区二区| 久久精品aⅴ一区二区三区四区| 法律面前人人平等表现在哪些方面| 日韩 欧美 亚洲 中文字幕| 99久久综合精品五月天人人| 久久这里只有精品中国| 国产人伦9x9x在线观看| 亚洲18禁久久av| 怎么达到女性高潮| 视频区欧美日本亚洲| 人人妻人人看人人澡| 舔av片在线| 香蕉久久夜色| 亚洲一码二码三码区别大吗| 三级男女做爰猛烈吃奶摸视频| 在线观看午夜福利视频| 欧美日韩黄片免| 国产真实乱freesex| 好男人电影高清在线观看| 18禁黄网站禁片午夜丰满| 久久婷婷成人综合色麻豆| 国产真实乱freesex| 精品电影一区二区在线| 老司机午夜十八禁免费视频| 村上凉子中文字幕在线| 精品午夜福利视频在线观看一区| 国产av一区二区精品久久| 亚洲欧洲精品一区二区精品久久久| 在线永久观看黄色视频| 午夜精品一区二区三区免费看| 天堂√8在线中文| 看片在线看免费视频| 嫩草影院精品99| 国产成+人综合+亚洲专区| 亚洲精品中文字幕一二三四区| 亚洲一区中文字幕在线| 久久精品91无色码中文字幕| 日本黄大片高清| 免费在线观看黄色视频的| 此物有八面人人有两片| 99久久综合精品五月天人人| 他把我摸到了高潮在线观看| 精品高清国产在线一区| 亚洲中文av在线| 亚洲国产日韩欧美精品在线观看 | 一个人免费在线观看的高清视频| 亚洲自偷自拍图片 自拍| 国产成人精品无人区| 久热爱精品视频在线9| 青草久久国产| 国产爱豆传媒在线观看 | 久久精品国产亚洲av香蕉五月| 制服人妻中文乱码| 亚洲精品国产精品久久久不卡| 精品高清国产在线一区| 日日干狠狠操夜夜爽| 久热爱精品视频在线9| 成人手机av| 两个人的视频大全免费| e午夜精品久久久久久久| 久久国产乱子伦精品免费另类| 色av中文字幕| 亚洲av美国av| 午夜日韩欧美国产| 51午夜福利影视在线观看| 国产精品1区2区在线观看.| 久久久久九九精品影院| 999久久久国产精品视频| 免费在线观看成人毛片| 在线观看一区二区三区| 亚洲在线自拍视频| 国产精品自产拍在线观看55亚洲| 在线十欧美十亚洲十日本专区| 亚洲一码二码三码区别大吗| 日韩中文字幕欧美一区二区| 午夜老司机福利片| 亚洲国产看品久久| 两个人看的免费小视频| 久久久精品欧美日韩精品| 成人高潮视频无遮挡免费网站| 在线观看午夜福利视频| 男人舔女人的私密视频| 亚洲欧美精品综合久久99| 日韩欧美一区二区三区在线观看| 日韩大尺度精品在线看网址| 久久中文字幕一级| 国产精品一区二区精品视频观看| 久久久国产成人免费| 欧美成狂野欧美在线观看| 亚洲专区中文字幕在线| 狂野欧美激情性xxxx| 他把我摸到了高潮在线观看| 日日摸夜夜添夜夜添小说| 免费观看人在逋| 黄色成人免费大全| 欧美日韩福利视频一区二区| 亚洲国产精品sss在线观看| 在线播放国产精品三级| 琪琪午夜伦伦电影理论片6080| 又黄又粗又硬又大视频| 十八禁人妻一区二区| 久久久久久九九精品二区国产 | 丰满人妻一区二区三区视频av | 国产亚洲欧美98| 一a级毛片在线观看| 男女那种视频在线观看| 欧美性猛交╳xxx乱大交人| 久久久久国产精品人妻aⅴ院| 在线观看午夜福利视频| 国产三级中文精品| 国产精品久久电影中文字幕| 国产av不卡久久| 一本大道久久a久久精品| 欧美成人一区二区免费高清观看 | av有码第一页| 亚洲一区中文字幕在线| 最近在线观看免费完整版| 久久人人精品亚洲av| 伦理电影免费视频| 波多野结衣高清作品| 好看av亚洲va欧美ⅴa在| 最近最新免费中文字幕在线| 大型黄色视频在线免费观看| 成人三级做爰电影| 欧美黑人欧美精品刺激| 无限看片的www在线观看| 色精品久久人妻99蜜桃| 好男人电影高清在线观看| 午夜福利成人在线免费观看| 亚洲国产欧洲综合997久久,| 免费在线观看视频国产中文字幕亚洲| 午夜福利视频1000在线观看| 国产亚洲精品第一综合不卡| 最新美女视频免费是黄的| 欧美日韩中文字幕国产精品一区二区三区| 国产精品一区二区三区四区免费观看 | 熟女电影av网| 日本一区二区免费在线视频| 一级a爱片免费观看的视频| 免费看日本二区| 啦啦啦免费观看视频1| 国产aⅴ精品一区二区三区波| 国产精品爽爽va在线观看网站| 777久久人妻少妇嫩草av网站| 在线观看日韩欧美| 国产三级中文精品| 欧美色欧美亚洲另类二区| 精品人妻1区二区| 中文字幕精品亚洲无线码一区| 成人国产一区最新在线观看| 在线观看免费午夜福利视频| 999久久久国产精品视频| 操出白浆在线播放| 亚洲 国产 在线| x7x7x7水蜜桃| 亚洲成人精品中文字幕电影| 久久久久国产一级毛片高清牌| av在线播放免费不卡| 丰满人妻熟妇乱又伦精品不卡| 香蕉av资源在线| 精品一区二区三区av网在线观看| 天堂动漫精品| 丁香六月欧美| 舔av片在线| 不卡av一区二区三区| 人成视频在线观看免费观看| 国产精品国产高清国产av| 日韩av在线大香蕉| 在线观看66精品国产| 在线观看免费日韩欧美大片| 免费在线观看影片大全网站| 美女 人体艺术 gogo| 村上凉子中文字幕在线| 91麻豆av在线| 精品国产美女av久久久久小说| 久久久精品大字幕| 久久久久久国产a免费观看| 91在线观看av| 黄频高清免费视频| 国产亚洲精品久久久久久毛片| 很黄的视频免费| 国产精品,欧美在线| 黑人操中国人逼视频| 男人的好看免费观看在线视频 | 中文字幕最新亚洲高清| 香蕉丝袜av| 亚洲一区二区三区色噜噜| 亚洲欧美精品综合久久99| 麻豆国产97在线/欧美 | 亚洲av第一区精品v没综合| 两个人的视频大全免费| 法律面前人人平等表现在哪些方面| 午夜福利免费观看在线| 亚洲中文字幕日韩| 亚洲一区高清亚洲精品| 老汉色av国产亚洲站长工具| 国产黄片美女视频| 亚洲欧美激情综合另类| 88av欧美| 亚洲午夜精品一区,二区,三区| 国产成人av教育| 国产91精品成人一区二区三区| 好看av亚洲va欧美ⅴa在| 精品欧美国产一区二区三| 一区福利在线观看| 91在线观看av| 国产av又大| 日本 av在线| 亚洲国产日韩欧美精品在线观看 | 1024视频免费在线观看| 亚洲乱码一区二区免费版| 一级毛片女人18水好多| 日本 欧美在线| 人人妻人人澡欧美一区二区| 欧美久久黑人一区二区| 99国产精品一区二区蜜桃av| 国产精品影院久久| 黄色a级毛片大全视频| 国产精品久久久久久人妻精品电影| 欧美又色又爽又黄视频| 两个人看的免费小视频| cao死你这个sao货| 午夜免费成人在线视频| 亚洲av成人精品一区久久| 国产精品久久久久久人妻精品电影| 午夜福利在线在线| 高潮久久久久久久久久久不卡| 久久亚洲真实| 色在线成人网| 日日摸夜夜添夜夜添小说| 俺也久久电影网| 中文字幕人成人乱码亚洲影| 看黄色毛片网站| 日本一二三区视频观看| 男女下面进入的视频免费午夜| 欧美日本视频| 亚洲一卡2卡3卡4卡5卡精品中文| 一进一出好大好爽视频| 亚洲自偷自拍图片 自拍|