• <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 ?

    一種基于多層決策樹分類的入侵檢測方法

    2020-11-02 02:30方偉黃澤斌唐鄭熠王金水
    關(guān)鍵詞:入侵檢測決策樹分類

    方偉 黃澤斌 唐鄭熠 王金水

    摘 要:分類技術(shù)在應(yīng)用于入侵檢測時,會因為待識別的用戶行為類型的增加,造成分類性能的下降,從而影響檢測的準確率。針對這一問題,本文研究了數(shù)據(jù)記錄類型所存在的層次性現(xiàn)象,并據(jù)此提出了一種多層分類方法,以減少分類算法所需要識別的記錄類型。以決策樹為分類算法,使用該方法對KDD_Cup_99數(shù)據(jù)集訓(xùn)練多層分類模型,取得了良好的分類性能,特別是明顯改善了小比例樣本的識別性能。

    關(guān)鍵詞:入侵檢測; 分類; 決策樹; 類型層次; 多層分類模型

    中圖分類號:TP393

    文獻標識碼: A

    文章編號?1000-5269(2020)05-0095-07???DOI:10.15958/j.cnki.gdxbzrb.2020.05.15

    入侵檢測是網(wǎng)絡(luò)安全防護的重要技術(shù)之一,是指對入侵行為的檢測與識別。它通過對網(wǎng)絡(luò)行為、安全日志、審計數(shù)據(jù)等信息的分析,來判斷網(wǎng)絡(luò)或系統(tǒng)中是否出現(xiàn)違反安全策略的攻擊行為[1]。作為一種主動的安全防護技術(shù),入侵檢測可以在攻擊行為產(chǎn)生危害前進行攔截,并且對內(nèi)部和外部的攻擊或危險行為都能提供有效的防護,因此被視為防火墻技術(shù)的必要補充。

    入侵檢測技術(shù)的基本原理是通過對相關(guān)數(shù)據(jù)的分析,構(gòu)建正?;虍惓P袨榈哪P?,與用戶行為進行比較匹配,以甄別出可能具有危害性的行為[2-3]。因此,從相關(guān)數(shù)據(jù)中分析發(fā)掘出有效的行為特征與模式是入侵檢測技術(shù)的核心與關(guān)鍵。數(shù)據(jù)挖掘作為一種從海量數(shù)據(jù)中搜索挖掘隱藏信息的有效技術(shù),十分適用于入侵檢測,包括分類、聚類、異常檢測在內(nèi)的多種數(shù)據(jù)挖掘技術(shù)都在入侵檢測領(lǐng)域取得了顯著的成效[4]。

    分類是入侵檢測中較為常用的技術(shù),研究人員使用了多種不同的分類算法來區(qū)分用戶的正常行為和攻擊行為:段丹青使用支持向量機(support?vector machine,SVM)算法對用戶行為進行分類[5],取得了97%的分類正確率,但其試驗只將用戶行為分為正常和異常兩種類型,不能充分說明SVM算法的分類能力;馬占飛等[6]采用粒子群算法來調(diào)整SVM算法的參數(shù),在對5種用戶行為分類的試驗中取得了93%的正確率,同時根據(jù)其對比試驗,傳統(tǒng)的SVM算法在對同樣的數(shù)據(jù)集進行分類時,正確率為85%;夏景明等采用隨機森林算法對用戶行為進行分類[7],其正確率高達99%,但其同樣只將用戶行為分為兩類,缺乏對復(fù)雜類型分類能力的證明;丁紅衛(wèi)等采用深度卷積神經(jīng)網(wǎng)絡(luò)對5種用戶行為進行分類[8],并更為細化地比較了每種類型的分類正確率,最高達99%,但該種方法不能對所有類型都保持理想的分類能力,最低的分類正確率僅有64%;SHONE等提出了一種多層非對稱深度自編碼器算法[9],對5種用戶行為進行分類,除了小比例樣本,都取得了100%的正確率,但由于深度學(xué)習(xí)技術(shù)的固有缺陷,其所訓(xùn)練的分類模型缺乏可解釋性。

    本文研究了數(shù)據(jù)集中記錄類型的層次性現(xiàn)象,提出了一種多層次的分類方法,對處于相同層次的記錄類型訓(xùn)練分類模型,從而得到多個針對不同層次記錄類型的分類模型,能夠根據(jù)記錄類型的層次性實現(xiàn)自頂向下的識別。將該方法應(yīng)用在入侵檢測中,不僅能夠?qū)崿F(xiàn)高效準確的行為分類,而且能夠靈活地控制分類的粗細程度。以決策樹作為分類算法,在權(quán)威的入侵檢測數(shù)據(jù)集上進行試驗,結(jié)果表明該方法具有理想的檢測性能,并且能夠有效地緩解由于行為類型增多造成的檢測性能下降的問題。

    1?預(yù)備知識

    1.1?決策樹分類

    分類是指根據(jù)數(shù)據(jù)記錄的各個屬性取值,識別數(shù)據(jù)記錄所屬的類型。通過已有數(shù)據(jù)可以訓(xùn)練得到分類模型,其定義如下:

    決策樹是一種樹形的分類模型,其節(jié)點分為測試節(jié)點(非葉子節(jié)點)和決策節(jié)點(葉子節(jié)點)兩類:每個測試節(jié)點包含一個測試條件,每條出邊是測試條件的一個輸出;每個決策節(jié)點包含一個記錄類型的取值,其定義如下:

    在使用決策樹對記錄X進行分類時,從根節(jié)點開始進行測試,即計算v = nt0(X),根據(jù)v的值決定下一個測試節(jié)點,直到遇到?jīng)Q策節(jié)點終止,即得到該記錄的類型。

    Iterative dichotomiser 3(ID3)是Quinlan于1986年提出的算法,它以貪心策略為基礎(chǔ),以信息增益作為測試條件有效性的度量指標,是第一個具有廣泛影響力的決策樹算法。Classification 4.5(C4.5)算法同樣是由Quinlan于1993年提出的,它是ID3算法的改進,既能夠處理離散型的屬性,也能夠處理連續(xù)性的屬性,是目前最常用的決策樹算法[10]。

    1.2?入侵檢測

    入侵檢測是通過分析用戶行為或系統(tǒng)的相關(guān)數(shù)據(jù),提取各種行為模式或特征,進而識別出系統(tǒng)中存在的危險行為。目前的入侵檢測技術(shù)大致可以分為兩類:

    (1)異常檢測:構(gòu)建安全的行為模型作為用戶行為的評價標準,當(dāng)用戶行為明顯有別于安全行為模型時,則認為出現(xiàn)了入侵。

    (2)特征檢測:根據(jù)已知的入侵來提取并構(gòu)建入侵行為的特征庫,當(dāng)用戶行為與特征庫中的某個特征模式匹配時,則認為出現(xiàn)了入侵。

    在設(shè)計一種新的入侵檢測方法時,需要一個包含正常行為和入侵行為的數(shù)據(jù)集,用于檢測新方法是否有效。目前最為權(quán)威的入侵檢測數(shù)據(jù)集是1999年國際知識發(fā)現(xiàn)和數(shù)據(jù)挖掘競賽所公布的數(shù)據(jù)挖掘與知識發(fā)現(xiàn)數(shù)據(jù)集(knowledge discovery and data mining,KDD_Cup_9)[11],它來源于1998年MIT的Lincoln試驗室所承擔(dān)的DARPA入侵檢測評估項目。該項目建立了一個模擬軍事網(wǎng)絡(luò)中各類入侵行為的數(shù)據(jù)集,共計約700萬條記錄,包含5大類網(wǎng)絡(luò)攻擊?;谠摂?shù)據(jù)集,Columbia University的入侵檢測系統(tǒng)(intrusion detection systems,IDS)試驗室進行了精簡和完善,發(fā)布了KDD_Cup_99數(shù)據(jù)集。該數(shù)據(jù)集包括兩個版本,完全版本包括約500萬條記錄,而10%的抽樣版本包含約50萬條記錄。迄今為止,KDD_Cup_99是有關(guān)入侵檢測的研究中應(yīng)用最為廣泛的驗證數(shù)據(jù)集。

    2?多層決策樹分類方法

    2.1?基本原理

    決策樹是一種簡單有效的分類技術(shù),易于使用和理解。但是,當(dāng)需要分類的數(shù)據(jù)記錄具有較多的類型時,會使決策樹的規(guī)模變得龐大,從而降低分類的準確率與效率。因此,減少數(shù)據(jù)記錄的類型,是提高決策樹分類技術(shù)性能的可行途徑。但數(shù)據(jù)記錄類型的減少,不能以弱化分類需求為手段,否則可能導(dǎo)致分類技術(shù)的效果大大降低。

    在分類問題中,存在著數(shù)據(jù)記錄的類型具有層次性的現(xiàn)象,例如,人類是哺乳動物的子類、轎車是汽車的子類等。然而決策樹無法識別類型之間的包含關(guān)系,其分類性能也會受到一定程度的影響。

    針對這一問題,可以對每一個層次的類型分別訓(xùn)練決策樹,從而顯著減少每棵決策樹所要劃分的類型數(shù)量。同時,通過多棵決策樹的組合,能夠保證對所有的類型完成分類。下面給出形式化定義。

    對于兩個記錄類型x和y,若y是x的子類,則記為,子類關(guān)系的集合記為R。

    記錄類型如果具有層次性,則可以表示為一棵樹。由于樹的0層只有一個根節(jié)點,即在該層次上只有一個類型,這在實際的分類問題中是不可能出現(xiàn)的。為了解決這個問題,可以在記錄類型的最高層次上,額外添加一個origin類型,作為最高層次類型的父類型,用偽代碼表達為:

    其中:T是一棵決策樹;

    (2)p是一個記錄類型;

    (3)Pp是p的子類型集合。

    算法1描述了如何對訓(xùn)練數(shù)據(jù)集D(記錄類型集合為P,子類關(guān)系集合為R),訓(xùn)練出一個分層決策森林F。

    算法1對每個記錄類型p,找出其所有子類型集合Q。根據(jù)Q,篩選出D的子集DS,其所含數(shù)據(jù)記錄的類型(d.type),或者屬于Q,或者是Q中某個類型的子孫類型,并將數(shù)據(jù)記錄的類型修改為Q中的對應(yīng)類型。由數(shù)據(jù)子集DS和記錄類型子集Q,使用決策樹算法Train Decision Tree(如C4.5)訓(xùn)練出一棵決策樹T,從而得到一棵分層決策樹TH = (T, p, Q)。所有的分層決策樹構(gòu)成分層決策森林F。

    算法2是使用分層決策森林F對數(shù)據(jù)記錄d進行分類的過程。

    首先從分層決策森林F中選擇TH·p = origin的分層決策樹,用其對記錄d進行分類,得到d在該分層決策樹上的類型t。若存在另一棵TH·p = t的分層決策樹,則繼續(xù)使用TH對d進行分類,得到新的、更為細化的類型。重復(fù)以上過程,直到不存在TH·p = t。

    基于多層決策樹的分類模型具有以下優(yōu)點:

    (1)能有效降低決策樹的規(guī)模,避免出現(xiàn)具有大量節(jié)點的復(fù)雜決策樹。

    (2)分類模型易于解釋和表達。

    (3)能夠根據(jù)分類的粒度要求,提前終止對數(shù)據(jù)記錄的細化分類,從而提高分類效率。

    2.2?KDD_Cup_99數(shù)據(jù)集的多層決策樹模型

    本節(jié)以KDD_Cup_99數(shù)據(jù)集為例,說明多層決策樹的構(gòu)建與應(yīng)用方法。

    KDD_Cup_99數(shù)據(jù)集中的記錄類型共計有23種,除了表示正常訪問的normal類型,剩下的22種類型都表示攻擊訪問,分屬于4大類網(wǎng)絡(luò)攻擊類型[12],具有明顯的層次性。為了進一步減少單層決策樹所要分類的記錄類型,為其增加一個attack類,作為所有攻擊類型的父類。數(shù)據(jù)記錄類型的層次結(jié)構(gòu)如圖2所示。

    根據(jù)算法1,可以訓(xùn)練出由以下6棵分層決策樹構(gòu)成的決策樹森林:

    對于一條數(shù)據(jù)記錄,如果它的實際類型是guess-passwd,則會先后調(diào)用TH1、TH2和TH5進行分類。分類過程也可以根據(jù)分類需求,終止在某個中間層次。

    3?試驗與結(jié)果分析

    3.1?數(shù)據(jù)預(yù)處理

    KDD_Cup_99數(shù)據(jù)集共含有4 898 430條記錄,但在記錄類型上的分布并不均衡,并且部分記錄類型的數(shù)據(jù)量過于稀少,對于決策樹的訓(xùn)練沒有實際意義,如表1所示。為了保證記錄類型的均衡,以達到更好的訓(xùn)練效果,將所有類型的記錄數(shù)量限制在2 000~40 000的范圍內(nèi),故對數(shù)據(jù)集進行以下抽樣處理:

    (1)若某種類型的記錄數(shù)量小于2 000,則將該類型的記錄全部刪除。

    (2)若某種類型的記錄數(shù)量大于40 000,則從該類型的記錄中隨機抽取40 000條。

    (3)若某種類型記錄數(shù)量在2 000~40 000之間,則全部保留。

    經(jīng)過抽樣處理后,用于試驗的數(shù)據(jù)集中所包含的記錄類型及其數(shù)量如表3所示。

    對于每一種類型的記錄,都取50%作為訓(xùn)練集,50%作為測試集。因此,用于試驗的數(shù)據(jù)集記錄總量為1 096 085條,其中訓(xùn)練集數(shù)量為548 041條,測試集數(shù)量為548 044條。

    3.2?試驗過程與結(jié)果

    本文的試驗環(huán)境如表4所示。

    試驗過程:

    (1)對類型屬于{normal, attack}的記錄訓(xùn)練分類模型T1,其對記錄類型的分類準確率記為Acc(T1, normal)和Acc(T1, attack)。

    (2)對類型屬于{dos, probel}的記錄訓(xùn)練分類模型T2,其對記錄類型的分類準確率記為Acc(T2, dos)、Acc(T2, probel)。

    (3)對類型屬于{back, neptune, smurf}的記錄訓(xùn)練分類模型T3,其對記錄類型的分類準確率記為Acc(T3, back)、Acc(T3, neptune)、Acc(T3, smurf)。

    (4)對類型屬于{ipsweep, nmap, portsweep, satan}的記錄訓(xùn)練分類模型T4,其對記錄類型的分類準確率記為Acc(T4, ipsweep)、Acc(T4, nmap)、Acc(T4, portsweep)、Acc(T4, satan)。

    試驗結(jié)果如表5所示。

    根據(jù)算法2,一條記錄要經(jīng)過多棵決策樹的分類,直至最底層的類型,因此其分類準確率應(yīng)等于上層類型分類準確的乘積,即:

    將試驗數(shù)據(jù)集直接使用C4.5決策樹算法進行分類作為對照試驗,結(jié)果如表6所示。

    由表6的對照試驗結(jié)果可知,多層決策樹分類方法具有較為優(yōu)異的性能,對各種類型的記錄都保持了很高的分類準確率。對比普通的決策樹分類方法,由于其每次所需要區(qū)分的記錄類型較少,對記錄特征的識別更為準確。普通決策樹分類方法不能有效地區(qū)分neptune和smurf兩種記錄類型,而多層決策樹分類方法則能夠進行有效的識別。

    4?結(jié)語

    分類技術(shù)在入侵檢測中已經(jīng)得到了較為成功的應(yīng)用,攻擊行為的識別效率和準確率方面都取了較為理想的結(jié)果。但分類技術(shù)在處理多類型數(shù)據(jù)集時,會產(chǎn)生模型構(gòu)建困難、分類準確率下降的問題。本文針對這一問題,結(jié)合入侵行為的類型所具有的層次性特點,提出了一種多層分類的入侵檢測方法,并以決策樹算法進行了實現(xiàn)。試驗結(jié)果表明,該方法能夠有效提高入侵檢測的識別準確率,特別是對小比例的入侵行為的識別上,具有較大的改進。

    在本文工作的基礎(chǔ)上,可進一步展開以下研究工作:

    (1)研究和比較多層分類模型與單層分類模型的復(fù)雜度。

    (2)研究不同分類算法對多層分類模型的性能影響。

    (3)研究新出現(xiàn)的攻擊行為類型,并構(gòu)建相關(guān)的數(shù)據(jù)集。

    參考文獻:

    [1]李威,?楊忠明. 入侵檢測系統(tǒng)的研究綜述[J].?吉林大學(xué)學(xué)報(信息科學(xué)版),?2016,?34(5): 657-662.

    [2]ZARPELO B B,?MIANI R S,?KAWAKANI C T,?et al.?A survey of intrusion detection in Internet of things[J].?Journal of Network & Computer Applications,?2017,?84(3):25-37.

    [3]陳俊,?陳孝威.?基于關(guān)聯(lián)規(guī)則挖掘的IPv6入侵檢測系統(tǒng)研究[J].?貴州大學(xué)學(xué)報(自然科學(xué)版),?2013,?30(2): 66-71.

    [4]BUCZAK A L.?A survey of data mining and machine learning methods for cyber security intrusion detection[J].?IEEE Communications Surveys & Tutorials,?2017,?18(2): 1153-1176.

    [5]段丹青.?入侵檢測算法及其關(guān)鍵技術(shù)研究[D].?長沙: 中南大學(xué),?2007.

    [6]馬占飛,?陳虎年,?楊晉,?等.?一種基于IPSO-SVM算法的網(wǎng)絡(luò)入侵檢測方法[J].?計算機科學(xué),?2018,?45(2): 231-235.

    [7]夏景明,?李沖,?談玲,?等.?改進的隨機森林分類器網(wǎng)絡(luò)入侵檢測方法[J].?計算機工程與設(shè)計,?2019,?40(8): 2146-2150.

    [8]丁衛(wèi)紅,?萬良,?周康,?等.?基于深度卷積神經(jīng)網(wǎng)絡(luò)的入侵檢測研究[J].?計算機科學(xué),?2019,?46(7): 50-55.

    [9]SHONE N,?NGOC T N,?PHAI V D,?et al.?A deep learning approach to network intrusion detection[J].?IEEE Transactions on Emerging Topics in Computational Intelligence,?2018,?2(1): 41-49.

    [10]FLETCHER S,?ISLAM M Z,?Decision tree classification with differential privacy: a survey[J].?ACM Computing Surveys,?2016,?48(5): 161-172.

    [11]SIDDIQUE K,?AKHTAR Z,?ASLAM K F,?et al.?KDD_Cup_99 data sets: a perspective on the role of data sets in network intrusion detection research[J].?Computer,?2019,?52(2): 41-51.

    [12]WANG Y,?YANG K,?JING X,?et al.?Problems of KDD_Cup_99 dataset existed and data preprocessing[J].?Applied Mechanics and Materials,?2014,?66(7): 218-225.

    (責(zé)任編輯:于慧梅)

    猜你喜歡
    入侵檢測決策樹分類
    簡述一種基于C4.5的隨機決策樹集成分類算法設(shè)計
    按需分類
    教你一招:數(shù)的分類
    說說分類那些事
    決策樹學(xué)習(xí)的剪枝方法
    基于入侵檢測的數(shù)據(jù)流挖掘和識別技術(shù)應(yīng)用
    藝術(shù)類院校高效存儲系統(tǒng)的設(shè)計
    基于關(guān)聯(lián)規(guī)則的計算機入侵檢測方法
    給塑料分分類吧
    決策樹在施工項目管理中的應(yīng)用
    只有这里有精品99| av.在线天堂| 99精国产麻豆久久婷婷| 日韩熟女老妇一区二区性免费视频| 欧美变态另类bdsm刘玥| 亚洲三级黄色毛片| 久久久久久人妻| 国产乱人偷精品视频| 亚洲欧美色中文字幕在线| 国产片特级美女逼逼视频| 国产无遮挡羞羞视频在线观看| 男男h啪啪无遮挡| 18禁裸乳无遮挡动漫免费视频| 色婷婷av一区二区三区视频| 欧美人与性动交α欧美精品济南到 | 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 | 在线 av 中文字幕| 亚洲,一卡二卡三卡| 一级毛片我不卡| videossex国产| 亚洲精品久久午夜乱码| 一级毛片电影观看| av国产精品久久久久影院| 精品久久蜜臀av无| 久久久久视频综合| 日韩三级伦理在线观看| 国产永久视频网站| 亚洲一码二码三码区别大吗| 亚洲一区二区三区欧美精品| 亚洲国产日韩一区二区| 久久久国产精品麻豆| 国产精品麻豆人妻色哟哟久久| 精品视频人人做人人爽| 9色porny在线观看| 国产极品天堂在线| 久久久久精品久久久久真实原创| 日韩精品有码人妻一区| 一级片免费观看大全| 日韩一本色道免费dvd| 汤姆久久久久久久影院中文字幕| 18禁动态无遮挡网站| 久久精品夜色国产| av在线播放精品| 在线 av 中文字幕| 久久热在线av| 精品一区二区免费观看| 五月伊人婷婷丁香| 美女大奶头黄色视频| 国产黄色免费在线视频| 五月开心婷婷网| 曰老女人黄片| 久久久久久久国产电影| 黄色视频在线播放观看不卡| 国产精品久久久久久久久免| 久久99热6这里只有精品| 9色porny在线观看| 欧美 亚洲 国产 日韩一| 国语对白做爰xxxⅹ性视频网站| a级毛片黄视频| 99九九在线精品视频| av国产久精品久网站免费入址| 女人精品久久久久毛片| 亚洲av成人精品一二三区| 国产亚洲午夜精品一区二区久久| 色婷婷av一区二区三区视频| 亚洲精品aⅴ在线观看| 国产熟女午夜一区二区三区| 日韩一本色道免费dvd| 亚洲中文av在线| 免费看光身美女| 国产精品久久久久久久久免| 高清在线视频一区二区三区| 精品亚洲成a人片在线观看| 赤兔流量卡办理| 伦精品一区二区三区| 精品国产一区二区三区四区第35| 欧美激情极品国产一区二区三区 | 久久这里只有精品19| 日本午夜av视频| 一本色道久久久久久精品综合| 亚洲内射少妇av| 久久韩国三级中文字幕| 一本久久精品| 国产精品久久久久久久久免| 少妇人妻精品综合一区二区| 青春草国产在线视频| 欧美 亚洲 国产 日韩一| 丝袜在线中文字幕| 亚洲第一av免费看| 黄色一级大片看看| 最新的欧美精品一区二区| 日本黄色日本黄色录像| 99视频精品全部免费 在线| 国产精品国产av在线观看| videosex国产| 肉色欧美久久久久久久蜜桃| 香蕉国产在线看| 免费高清在线观看日韩| 午夜日本视频在线| 九九在线视频观看精品| 2022亚洲国产成人精品| 国产一区亚洲一区在线观看| 91午夜精品亚洲一区二区三区| 日韩精品有码人妻一区| 伦理电影免费视频| 免费观看在线日韩| 国产老妇伦熟女老妇高清| av又黄又爽大尺度在线免费看| 人人澡人人妻人| 欧美精品国产亚洲| 亚洲精品自拍成人| 婷婷色综合大香蕉| 精品久久蜜臀av无| 2018国产大陆天天弄谢| videossex国产| 中文乱码字字幕精品一区二区三区| 大香蕉97超碰在线| 丝袜美足系列| 亚洲婷婷狠狠爱综合网| 一区二区三区乱码不卡18| 啦啦啦中文免费视频观看日本| 午夜福利影视在线免费观看| 建设人人有责人人尽责人人享有的| 内地一区二区视频在线| 赤兔流量卡办理| av线在线观看网站| 亚洲成av片中文字幕在线观看 | 午夜激情av网站| 激情五月婷婷亚洲| av在线播放精品| 少妇的丰满在线观看| 高清av免费在线| 国产精品女同一区二区软件| 少妇被粗大猛烈的视频| www.熟女人妻精品国产 | 亚洲伊人色综图| 中文字幕免费在线视频6| 午夜福利视频在线观看免费| 国产精品国产三级国产专区5o| 老熟女久久久| 欧美97在线视频| 99国产综合亚洲精品| 1024视频免费在线观看| 菩萨蛮人人尽说江南好唐韦庄| 大话2 男鬼变身卡| 人成视频在线观看免费观看| 日本wwww免费看| 男女啪啪激烈高潮av片| 欧美日韩视频精品一区| 日韩不卡一区二区三区视频在线| 少妇的丰满在线观看| av天堂久久9| 国产精品久久久久成人av| 久久精品国产鲁丝片午夜精品| a级毛色黄片| 国产淫语在线视频| 丁香六月天网| 欧美激情国产日韩精品一区| 视频在线观看一区二区三区| 精品一区二区三区四区五区乱码 | 菩萨蛮人人尽说江南好唐韦庄| 最近中文字幕高清免费大全6| 久久人人爽人人片av| 亚洲第一av免费看| 插逼视频在线观看| 国产极品天堂在线| 黑人猛操日本美女一级片| 五月天丁香电影| 国产精品久久久av美女十八| 久久女婷五月综合色啪小说| 制服诱惑二区| 搡老乐熟女国产| 国产精品嫩草影院av在线观看| 乱码一卡2卡4卡精品| 亚洲经典国产精华液单| 国产熟女午夜一区二区三区| 久久热在线av| 人妻系列 视频| 少妇被粗大的猛进出69影院 | 国产日韩一区二区三区精品不卡| 欧美日韩国产mv在线观看视频| 18禁观看日本| 女人久久www免费人成看片| 最黄视频免费看| 午夜免费鲁丝| 人妻系列 视频| 成人午夜精彩视频在线观看| 大陆偷拍与自拍| 亚洲美女视频黄频| 久久精品久久精品一区二区三区| 国产成人aa在线观看| 久久这里有精品视频免费| 精品熟女少妇av免费看| 国产亚洲最大av| 综合色丁香网| 亚洲欧美日韩另类电影网站| av在线app专区| 国产高清不卡午夜福利| 精品一区二区免费观看| 久久97久久精品| 晚上一个人看的免费电影| 80岁老熟妇乱子伦牲交| 亚洲精品aⅴ在线观看| 久久久久视频综合| av不卡在线播放| av在线老鸭窝| www.av在线官网国产| 免费在线观看黄色视频的| 久久精品久久精品一区二区三区| 婷婷成人精品国产| 99re6热这里在线精品视频| 日产精品乱码卡一卡2卡三| 又粗又硬又长又爽又黄的视频| 99久久精品国产国产毛片| 国产一级毛片在线| 国产午夜精品一二区理论片| 国产熟女欧美一区二区| 少妇人妻 视频| 男男h啪啪无遮挡| 伊人久久国产一区二区| 大香蕉久久网| 久久精品久久久久久噜噜老黄| 亚洲,一卡二卡三卡| 精品亚洲乱码少妇综合久久| 插逼视频在线观看| 中国三级夫妇交换| 日韩免费高清中文字幕av| 久久久a久久爽久久v久久| 欧美日韩综合久久久久久| 少妇人妻久久综合中文| 亚洲欧美清纯卡通| 日韩视频在线欧美| 国产成人精品无人区| 亚洲内射少妇av| 国产在视频线精品| 又黄又爽又刺激的免费视频.| 中文字幕人妻丝袜制服| 美女国产视频在线观看| 91精品国产国语对白视频| 狠狠精品人妻久久久久久综合| 国产白丝娇喘喷水9色精品| 国产精品秋霞免费鲁丝片| 精品少妇内射三级| 国产在线一区二区三区精| 成人免费观看视频高清| 美女国产视频在线观看| 夜夜骑夜夜射夜夜干| 日韩视频在线欧美| 一级,二级,三级黄色视频| 成人影院久久| 激情视频va一区二区三区| 亚洲精华国产精华液的使用体验| 亚洲美女黄色视频免费看| 日韩av免费高清视频| av电影中文网址| 青春草视频在线免费观看| 天天操日日干夜夜撸| 黑人猛操日本美女一级片| 啦啦啦啦在线视频资源| 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 | 你懂的网址亚洲精品在线观看| 黑人高潮一二区| 美女国产高潮福利片在线看| 国产av一区二区精品久久| 成人毛片a级毛片在线播放| 精品久久久久久电影网| 国内精品宾馆在线| 成年女人在线观看亚洲视频| 久久久久久久久久人人人人人人| 国产成人91sexporn| 老司机影院成人| 男女午夜视频在线观看 | 国产在视频线精品| 久久狼人影院| 视频在线观看一区二区三区| 久久97久久精品| 高清在线视频一区二区三区| 亚洲av日韩在线播放| 狂野欧美激情性xxxx在线观看| 丰满饥渴人妻一区二区三| 亚洲,欧美精品.| 婷婷色综合大香蕉| 春色校园在线视频观看| 日本欧美视频一区| 日韩人妻精品一区2区三区| 最近中文字幕高清免费大全6| 国产日韩欧美亚洲二区| 亚洲精品aⅴ在线观看| 欧美性感艳星| 美女视频免费永久观看网站| 国产免费现黄频在线看| 在线观看三级黄色| 一边摸一边做爽爽视频免费| 日韩成人伦理影院| 国产国语露脸激情在线看| 咕卡用的链子| 80岁老熟妇乱子伦牲交| 国产一区二区三区av在线| 9191精品国产免费久久| 老女人水多毛片| 中文字幕另类日韩欧美亚洲嫩草| 啦啦啦在线观看免费高清www| 水蜜桃什么品种好| 久久精品国产亚洲av涩爱| 免费播放大片免费观看视频在线观看| 国语对白做爰xxxⅹ性视频网站| 日韩欧美一区视频在线观看| 制服诱惑二区| av电影中文网址| 热99久久久久精品小说推荐| 波多野结衣一区麻豆| 性色avwww在线观看| 在线观看免费视频网站a站| 22中文网久久字幕| 久久97久久精品| 久久狼人影院| 如日韩欧美国产精品一区二区三区| av卡一久久| 国产在线一区二区三区精| a级毛片在线看网站| 色视频在线一区二区三区| 少妇精品久久久久久久| 91午夜精品亚洲一区二区三区| 免费观看性生交大片5| 日本欧美视频一区| 汤姆久久久久久久影院中文字幕| 美女福利国产在线| 国产一区有黄有色的免费视频| 午夜日本视频在线| 少妇 在线观看| 亚洲欧美成人精品一区二区| 亚洲伊人久久精品综合| 久久久久国产精品人妻一区二区| 看免费成人av毛片| 一级片'在线观看视频| 99热6这里只有精品| 日韩熟女老妇一区二区性免费视频| 国产一区亚洲一区在线观看| 久久99热6这里只有精品| 伦理电影大哥的女人| 久久久国产一区二区| 欧美成人精品欧美一级黄| 欧美最新免费一区二区三区| √禁漫天堂资源中文www| 高清毛片免费看| 午夜福利网站1000一区二区三区| 国产高清国产精品国产三级| 韩国精品一区二区三区 | 欧美 亚洲 国产 日韩一| 深夜精品福利| 久久久久视频综合| 欧美3d第一页| 全区人妻精品视频| av一本久久久久| 99久久人妻综合| 久久久国产精品麻豆| 色哟哟·www| 狠狠精品人妻久久久久久综合| 边亲边吃奶的免费视频| 高清不卡的av网站| 久久狼人影院| 日韩中字成人| 亚洲欧美中文字幕日韩二区| 看十八女毛片水多多多| 亚洲国产欧美在线一区| 成年人午夜在线观看视频| 亚洲中文av在线| 国产国拍精品亚洲av在线观看| 丰满饥渴人妻一区二区三| 天堂中文最新版在线下载| 久久青草综合色| 成年女人在线观看亚洲视频| 国产精品秋霞免费鲁丝片| 侵犯人妻中文字幕一二三四区| 国产精品一区二区在线观看99| 亚洲一级一片aⅴ在线观看| 青春草国产在线视频| 国产av码专区亚洲av| 视频中文字幕在线观看| 精品视频人人做人人爽| 搡女人真爽免费视频火全软件| 亚洲欧美日韩另类电影网站| 久久久国产精品麻豆| 搡老乐熟女国产| 久久久久久久亚洲中文字幕| 亚洲精品,欧美精品| 热99国产精品久久久久久7| 成人免费观看视频高清| 国产亚洲最大av| 国产一区有黄有色的免费视频| 男人操女人黄网站| a 毛片基地| 精品国产露脸久久av麻豆| 人人妻人人添人人爽欧美一区卜| 日韩电影二区| 精品一区二区三区四区五区乱码 | 免费黄网站久久成人精品| a级毛片在线看网站| 日韩欧美精品免费久久| 国产不卡av网站在线观看| 色吧在线观看| 国产成人欧美| 人成视频在线观看免费观看| 国产免费一区二区三区四区乱码| 欧美变态另类bdsm刘玥| 国产精品人妻久久久影院| 欧美日韩视频高清一区二区三区二| 国产精品久久久av美女十八| 少妇被粗大猛烈的视频| 一边摸一边做爽爽视频免费| 国产免费福利视频在线观看| 国产精品久久久久久av不卡| 人人妻人人爽人人添夜夜欢视频| 少妇的逼好多水| 日本91视频免费播放| 美女主播在线视频| 成年人午夜在线观看视频| 全区人妻精品视频| av卡一久久| 人妻一区二区av| 国产亚洲午夜精品一区二区久久| 日本91视频免费播放| 国产熟女午夜一区二区三区| 韩国av在线不卡| 欧美精品人与动牲交sv欧美| 国产在视频线精品| 少妇被粗大的猛进出69影院 | 一级黄片播放器| 最近中文字幕2019免费版| 免费大片18禁| 18+在线观看网站| 亚洲av福利一区| 男女午夜视频在线观看 | 日韩制服丝袜自拍偷拍| av在线观看视频网站免费| 王馨瑶露胸无遮挡在线观看| 亚洲精品美女久久av网站| 男女高潮啪啪啪动态图| 亚洲三级黄色毛片| 少妇人妻久久综合中文| 午夜精品国产一区二区电影| 纵有疾风起免费观看全集完整版| 我要看黄色一级片免费的| 国产精品.久久久| 亚洲精品久久午夜乱码| 亚洲精华国产精华液的使用体验| 国产国拍精品亚洲av在线观看| 免费人妻精品一区二区三区视频| 一级毛片电影观看| av在线老鸭窝| 日日撸夜夜添| 99久久人妻综合| 成人国产麻豆网| 国产乱来视频区| 亚洲精品乱码久久久久久按摩| 一本大道久久a久久精品| 久久精品人人爽人人爽视色| 久久99热这里只频精品6学生| kizo精华| 国产视频首页在线观看| 男女无遮挡免费网站观看| 精品久久蜜臀av无| 亚洲国产精品国产精品| 日韩精品有码人妻一区| 婷婷成人精品国产| 日韩一本色道免费dvd| 丝袜脚勾引网站| 男女免费视频国产| 亚洲综合精品二区| 亚洲人成77777在线视频| 亚洲,一卡二卡三卡| 亚洲精品美女久久av网站| 美女xxoo啪啪120秒动态图| 国产精品麻豆人妻色哟哟久久| 色婷婷av一区二区三区视频| 丝瓜视频免费看黄片| 免费播放大片免费观看视频在线观看| 黄网站色视频无遮挡免费观看| 久久免费观看电影| 最近2019中文字幕mv第一页| 男的添女的下面高潮视频| 美女国产高潮福利片在线看| 欧美日韩亚洲高清精品| 国产黄频视频在线观看| 少妇 在线观看| 日韩av在线免费看完整版不卡| 国产黄色视频一区二区在线观看| 国产永久视频网站| 国产片特级美女逼逼视频| 欧美日韩综合久久久久久| av国产久精品久网站免费入址| 亚洲成色77777| 美女内射精品一级片tv| 90打野战视频偷拍视频| 久久97久久精品| 成年人免费黄色播放视频| 亚洲,一卡二卡三卡| av有码第一页| 亚洲成人手机| 人人妻人人澡人人爽人人夜夜| av卡一久久| 最近中文字幕2019免费版| 午夜福利影视在线免费观看| 全区人妻精品视频| 国内精品宾馆在线| 午夜福利网站1000一区二区三区| 欧美日韩av久久| 午夜日本视频在线| 青春草国产在线视频| 香蕉国产在线看| 女的被弄到高潮叫床怎么办| 美女主播在线视频| 免费黄网站久久成人精品| 成人国产麻豆网| 新久久久久国产一级毛片| 菩萨蛮人人尽说江南好唐韦庄| 涩涩av久久男人的天堂| 亚洲精品乱久久久久久| 成人综合一区亚洲| 亚洲欧洲日产国产| 国产不卡av网站在线观看| 9色porny在线观看| 欧美日本中文国产一区发布| 少妇猛男粗大的猛烈进出视频| 黑丝袜美女国产一区| 国产亚洲精品久久久com| 精品熟女少妇av免费看| av女优亚洲男人天堂| 亚洲一区二区三区欧美精品| 久久精品久久久久久久性| 五月伊人婷婷丁香| 亚洲精品一区蜜桃| 18禁裸乳无遮挡动漫免费视频| 亚洲三级黄色毛片| 伦理电影免费视频| 伦精品一区二区三区| 日日摸夜夜添夜夜爱| 最近中文字幕2019免费版| 在现免费观看毛片| 日韩一本色道免费dvd| 国产精品一二三区在线看| 五月伊人婷婷丁香| 日日啪夜夜爽| 又粗又硬又长又爽又黄的视频| 午夜免费男女啪啪视频观看| 黄片播放在线免费| 黄色一级大片看看| 最后的刺客免费高清国语| 成年美女黄网站色视频大全免费| 人妻少妇偷人精品九色| 大香蕉久久成人网| 亚洲精品国产av蜜桃| 日日撸夜夜添| 日韩电影二区| 9色porny在线观看| 性高湖久久久久久久久免费观看| 国产在视频线精品| 母亲3免费完整高清在线观看 | 2021少妇久久久久久久久久久| 久久免费观看电影| 国产成人欧美| 色婷婷av一区二区三区视频| 男女无遮挡免费网站观看| 精品第一国产精品| 岛国毛片在线播放| 中文字幕精品免费在线观看视频 | 三级国产精品片| 国产极品粉嫩免费观看在线| 久久久国产欧美日韩av| 有码 亚洲区| 精品少妇黑人巨大在线播放| 91精品伊人久久大香线蕉| 欧美日韩一区二区视频在线观看视频在线| 国产 精品1| 国产一区二区三区av在线| 高清在线视频一区二区三区| 啦啦啦在线观看免费高清www| 国产色婷婷99| 一本色道久久久久久精品综合| 精品亚洲成a人片在线观看| 日韩av免费高清视频| 宅男免费午夜| 亚洲精品av麻豆狂野| 99视频精品全部免费 在线| 一本大道久久a久久精品| 99精国产麻豆久久婷婷| 国产免费一区二区三区四区乱码| 午夜福利网站1000一区二区三区| 最近的中文字幕免费完整| av网站免费在线观看视频| 五月天丁香电影| 黄片无遮挡物在线观看| 十八禁高潮呻吟视频| 97在线视频观看| 国产欧美亚洲国产| 国产亚洲精品久久久com| 蜜臀久久99精品久久宅男| 99久久人妻综合| 国产亚洲午夜精品一区二区久久| 日韩,欧美,国产一区二区三区| 婷婷色综合www| 欧美日韩成人在线一区二区| 欧美成人午夜免费资源| 国产精品免费大片| 久久久久精品人妻al黑| 国产精品久久久久成人av| 国产精品偷伦视频观看了| 伊人久久国产一区二区| 国产片内射在线| 日韩熟女老妇一区二区性免费视频| 女性被躁到高潮视频| 香蕉国产在线看| 免费黄频网站在线观看国产| 国国产精品蜜臀av免费| 成年人免费黄色播放视频|