• <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 ?

    基于雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的系統(tǒng)異常檢測(cè)方法

    2020-12-14 10:22:04張林棟劉培玉
    關(guān)鍵詞:日志準(zhǔn)確率性能

    張林棟 魯 燃 劉培玉

    (山東師范大學(xué)信息科學(xué)與工程學(xué)院 山東 濟(jì)南 250014)(山東省分布式計(jì)算機(jī)軟件新技術(shù)重點(diǎn)實(shí)驗(yàn)室 山東 濟(jì)南 250014)

    0 引 言

    系統(tǒng)日志異常檢測(cè)是計(jì)算機(jī)系統(tǒng)必不可少的任務(wù)。系統(tǒng)日志記錄了系統(tǒng)狀態(tài)和不同臨界點(diǎn)上的事件,可以用來(lái)幫助技術(shù)人員調(diào)試機(jī)器性能和檢測(cè)系統(tǒng)故障等問(wèn)題,也是檢測(cè)系統(tǒng)是否異常的重要數(shù)據(jù)。系統(tǒng)日志異常檢測(cè)最早開(kāi)始于人工檢測(cè),但是人工檢測(cè)僅限于日志數(shù)據(jù)較少的環(huán)境,很難應(yīng)用于大數(shù)據(jù)的環(huán)境下。

    Xu等[1]提出了一種統(tǒng)計(jì)分析的方法,捕獲單一類(lèi)型消息的發(fā)生頻率來(lái)進(jìn)行異常檢測(cè),但是異常行為通常由復(fù)雜的若干個(gè)軟件組成,只進(jìn)行單一類(lèi)型的異常檢測(cè)是遠(yuǎn)遠(yuǎn)不夠的。Yamanishi等[2]提出了一種基于機(jī)器學(xué)習(xí)的方法來(lái)檢測(cè)日志消息之間的相關(guān)性,解決了基于統(tǒng)計(jì)分析方法中不能對(duì)復(fù)雜系統(tǒng)異常檢測(cè)的問(wèn)題。但是隨著系統(tǒng)的變化,該方法并不能很好地適應(yīng)新的日志模式。因此越來(lái)越多的學(xué)者開(kāi)始利用神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)異常檢測(cè)。

    Brown等[3]運(yùn)用自然語(yǔ)言處理的知識(shí),提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)(RNN)語(yǔ)言模型,將注意力機(jī)制納入到RNN語(yǔ)言模型中。但是RNN所能存取的上下文信息范圍有限,由于其本身的激活函數(shù),在模型訓(xùn)練過(guò)程中會(huì)產(chǎn)生梯度消失和爆炸的問(wèn)題,使得隱藏層的輸入對(duì)于網(wǎng)絡(luò)輸出的影響隨著網(wǎng)絡(luò)環(huán)路的不斷遞歸而衰退。為了克服RNN的缺點(diǎn),Du等[4]提出了一種基于深度學(xué)習(xí)的系統(tǒng)日志異常檢測(cè)框架Deeplog,利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)對(duì)系統(tǒng)日志進(jìn)行異常檢測(cè)。與基于機(jī)器學(xué)習(xí)的方法[5-7]相比,該方法克服了RNN網(wǎng)絡(luò)的不足,而且具有很高的準(zhǔn)確率,但是由于LSTM網(wǎng)絡(luò)的結(jié)構(gòu)特性,在進(jìn)行異常檢測(cè)時(shí)只考慮了日志的前序事件對(duì)當(dāng)前事件的影響而忽略了后序事件對(duì)當(dāng)前事件的影響,使得結(jié)果很難具有說(shuō)服性。

    因此,本文提出基于雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的日志路徑異常檢測(cè)模型。該模型有效地彌補(bǔ)了LSTM的不足,充分考慮前后事件對(duì)當(dāng)前事件的影響。與之前的方法相比,該模型在HDFS和OpenStack數(shù)據(jù)集上準(zhǔn)確率和F-measure都有顯著的提高。

    1 相關(guān)工作

    1.1 遞歸神經(jīng)網(wǎng)絡(luò)(RNN)

    RNN[8]是最早應(yīng)用在時(shí)序序列預(yù)測(cè)的算法之一,是唯一具有內(nèi)部存儲(chǔ)器的神經(jīng)網(wǎng)絡(luò)算法,能夠廣泛地適用于時(shí)間序列、語(yǔ)音、文本、財(cái)務(wù)數(shù)據(jù)、音頻、視頻、天氣等時(shí)序數(shù)據(jù)的處理。

    RNN具有獨(dú)特的循環(huán)機(jī)制,因此能夠在輸入和輸出序列之間的映射過(guò)程中充分利用上下文相關(guān)信息,綜合考慮前序事件和后序事件對(duì)當(dāng)前事件的影響。在RNN中,信息只在一個(gè)方向上移動(dòng)。當(dāng)它作出決定時(shí),會(huì)考慮當(dāng)前的輸入以及它從之前收到的輸入獲得想要的內(nèi)容。但是RNN也存在著顯著的缺點(diǎn),在訓(xùn)練時(shí)會(huì)產(chǎn)生梯度爆炸等問(wèn)題,并且RNN所能存取的上下文信息范圍非常有限,使得隱藏層的輸入對(duì)于網(wǎng)絡(luò)輸出的影響隨著網(wǎng)絡(luò)環(huán)路的不斷遞歸而衰退。

    1.2 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)

    圖1 LSTM框架圖

    1.3 雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(Bi-LSTM)

    雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(Bi-LSTM)[10]模型如圖2所示,由前向傳播和后向傳播的LSTM網(wǎng)絡(luò)組成。該網(wǎng)絡(luò)結(jié)合了RNN和LSTM的優(yōu)點(diǎn),既克服了RNN衰退的問(wèn)題,又能夠利用LSTM網(wǎng)絡(luò)的優(yōu)勢(shì),通過(guò)前向推算和后向推算,有效地結(jié)合前后事件對(duì)當(dāng)前事件的影響。

    圖2 Bi-LSTM網(wǎng)絡(luò)模型

    2 模型構(gòu)建

    2.1 異常檢測(cè)框架

    日志路徑異常檢測(cè)的框架如圖3所示。首先把正常執(zhí)行的日志文件通過(guò)日志解析器提取出對(duì)應(yīng)的日志鍵,并將一系列日志鍵建模成為一個(gè)時(shí)間序列。其次通過(guò)Bi-LSTM模型進(jìn)行訓(xùn)練,使模型充分學(xué)習(xí)日志鍵序列執(zhí)行模式。在進(jìn)行檢測(cè)時(shí),將新的日志文件使用日志解析器構(gòu)造日志鍵序列,通過(guò)Bi-LSTM模型進(jìn)行檢測(cè)。若未發(fā)現(xiàn)異常則模型將序列標(biāo)記為正常;若檢測(cè)出異常,則將根據(jù)用戶的反饋來(lái)判斷是否發(fā)生誤判。如果發(fā)生誤判則通過(guò)在線更新優(yōu)化模型參數(shù)的機(jī)制,再次通過(guò)模型進(jìn)行異常檢測(cè);如果沒(méi)有發(fā)生誤判,模型將輸出日志序列標(biāo)記為異常。

    圖3 日志路徑異常檢測(cè)框架圖

    2.2 日志解析器

    日志解析器[11-13]的目的是將結(jié)構(gòu)不統(tǒng)一的日志數(shù)據(jù)進(jìn)行歸一化處理。通過(guò)解析日志文件提取日志鍵構(gòu)造時(shí)序序列的方法,將不同結(jié)構(gòu)的日志數(shù)據(jù)轉(zhuǎn)化為具有相同格式時(shí)序化日志鍵序列。首先逐行讀取日志數(shù)據(jù),每個(gè)日志行都使用一個(gè)簡(jiǎn)單的正則表達(dá)式進(jìn)行預(yù)處理。其次提取該日志的關(guān)鍵特征構(gòu)造成一個(gè)日志鍵,并將每行解析的日志鍵構(gòu)建成一個(gè)時(shí)序序列。例如,一個(gè)日志條目為“Adding an already existing block(10)”,則可以用一個(gè)日志鍵k1來(lái)代替它,即k1=Adding an already existing block(.*)。其中日志鍵中參數(shù)被抽象為*號(hào)。如表1所示,通過(guò)日志解析器的日志文件將被解析為一個(gè)時(shí)序序列,例如{k1,k2,…}。

    表1 日志解析實(shí)例

    2.3 日志路徑異常檢測(cè)

    將通過(guò)日志解析器獲得的日志鍵序列進(jìn)行系統(tǒng)日志異常檢測(cè)。假設(shè)K={k1,k2,…,kn}是一個(gè)日志塊所轉(zhuǎn)換的日志鍵序列,每一個(gè)日志鍵代表某一時(shí)刻日志執(zhí)行的路徑命令,整個(gè)日志鍵序列反映了日志的順序執(zhí)行路徑。對(duì)整個(gè)序列進(jìn)行檢測(cè),需要依次檢測(cè)每個(gè)日志鍵是否為異常。令ki為K序列n個(gè)中的某一個(gè),代表著即將檢測(cè)的日志鍵。

    如圖3所示,采用Bi-LSTM網(wǎng)絡(luò)來(lái)進(jìn)行系統(tǒng)日志異常檢測(cè),該網(wǎng)絡(luò)由前向LSTM和反向LSTM網(wǎng)絡(luò)組成,充分考慮了后序事件對(duì)前序事件的影響。輸入是幾個(gè)連續(xù)的日志鍵,輸出是下一個(gè)日志鍵ki的概率。ki的概率由前向傳播和反向傳播得到的概率共同決定的。前向或反向傳播都由一層LSTM網(wǎng)絡(luò)組成。每一塊LSTM都有隱藏狀態(tài)ht-i和細(xì)胞狀態(tài)Ct-i,兩者都被傳遞到下一個(gè)塊以初始化其狀態(tài)。目的是通過(guò)模型得出當(dāng)前日志鍵ki的概率,然后設(shè)定一個(gè)概率界限(參數(shù)g)來(lái)判斷當(dāng)前日志鍵是否發(fā)生了異常。通過(guò)各個(gè)門(mén)控的計(jì)算最終得出ki的條件概率,與通過(guò)訓(xùn)練得出的g進(jìn)行比較,把低于g的日志鍵標(biāo)記為異常。

    其前向傳播推算的公式為:

    輸入門(mén):

    (1)

    (2)

    遺忘門(mén):

    (3)

    (4)

    輸出門(mén):

    (5)

    (6)

    反向傳播推算的公式為:

    輸入門(mén):

    (7)

    遺忘門(mén):

    (8)

    輸出門(mén):

    (9)

    訓(xùn)練階段:在訓(xùn)練階段中使用正常執(zhí)行的日志條目作為數(shù)據(jù)集來(lái)訓(xùn)練模型,目的是讓模型充分學(xué)習(xí)到系統(tǒng)日志正常的執(zhí)行模式,盡可能避免出現(xiàn)誤判的情形。通過(guò)日志解析器得到一個(gè)日志鍵序列,然后給定一個(gè)窗口大小h,將日志鍵按窗口的大小、執(zhí)行順序組合成一個(gè)時(shí)序序列,該序列記為w,例如w={ki-h,ki-h+1,…,ki-1},將w輸入到模型Bi-LSTM網(wǎng)絡(luò)中。例如,假設(shè)一個(gè)日志鍵序列為{k11,k23,k5,k9,k12,k25,k3}。給定窗口大小h=4,則用于訓(xùn)練模型的輸入序列和輸出標(biāo)簽為:{k11,k23,k5,k9→k12},{k23,k5,k9,k12→k25},{k5,k9,k12,k25→k3}。通過(guò)Bi-LSTM模型得出下一日志鍵ki的條件概率,根據(jù)ki概率分布的范圍,設(shè)置g的參數(shù)大小。

    檢測(cè)階段:基本方法跟訓(xùn)練階段相同,對(duì)于新加入的日志條目首先通過(guò)日志解析器構(gòu)造成日志鍵序列w。將w輸入到Bi-LSTM模型中得出當(dāng)前日志鍵的條件概率,通過(guò)與設(shè)置的參數(shù)g進(jìn)行對(duì)比,把高于設(shè)置的g值的ki標(biāo)記為正常;若得到的ki概率值低于g值,那么模型將把該結(jié)果反饋給用戶,用戶判斷是否發(fā)生了誤判,如果發(fā)生了誤判,則通過(guò)在線更新機(jī)制調(diào)整模型參數(shù),將得出的日志鍵與實(shí)際的日志鍵設(shè)為相同的概率,如果沒(méi)有發(fā)生誤判則直接將該序列標(biāo)記為異常。

    異常檢測(cè)模型如圖4所示。為了檢測(cè)一個(gè)新的日志鍵ki是正常還是異常的,把窗口大小為h的日志鍵序列w作為輸入,輸出是給定輸入日志鍵序列的下一個(gè)日志鍵ki的條件概率。通過(guò)將得出的條件概率Pr與參數(shù)g進(jìn)行比較,判斷日志執(zhí)行路徑是否發(fā)生了異常。

    圖4 異常檢測(cè)模型圖

    語(yǔ)言模型:把日志執(zhí)行路徑作為時(shí)序序列處理,其原理是應(yīng)用自然語(yǔ)言處理的語(yǔ)言模型。在訓(xùn)練模型時(shí),把每個(gè)日志鍵都可以看作是從詞匯表K中提取的一個(gè)單詞,應(yīng)用自然語(yǔ)言處理的語(yǔ)言模型來(lái)計(jì)算該詞出現(xiàn)的概率,從而判斷系統(tǒng)是否發(fā)生異常。近年來(lái),使用神經(jīng)網(wǎng)絡(luò)的神經(jīng)概率語(yǔ)言模型(NPLM)[14]已被證明在自然語(yǔ)言處理任務(wù)中非常有效。因此在Bi-LSTM中使用了NPLM語(yǔ)言模型來(lái)對(duì)日志鍵序列進(jìn)行異常檢測(cè)。NPLM語(yǔ)言模型沿用了傳統(tǒng)的N-gram模型[15]中的思路,認(rèn)為目標(biāo)詞wt的條件概率與其之前的n-1個(gè)詞有關(guān)。但與N-gram模型區(qū)別是在計(jì)算P(wt|w1,w2,…,wt-1)時(shí),其使用了機(jī)器學(xué)習(xí)的方法,很好地解決了給定一個(gè)日志鍵序列如何最大化地計(jì)算日志鍵ki概率的問(wèn)題。NPLM語(yǔ)言模型的計(jì)算公式為:

    p(w|context(w))=k(iw,Vcontext)

    (10)

    式中:k表示神經(jīng)網(wǎng)絡(luò);iw為w在詞匯表中的序號(hào);context(w)為w的上下文;Vcontext為上下文構(gòu)成的特征向量。

    2.4 在線更新機(jī)制

    如何保證檢測(cè)模型的時(shí)效性、如何解決日志新的執(zhí)行模式等,是系統(tǒng)異常檢測(cè)必須要解決的問(wèn)題,因此在模型中加入了用戶反饋在線更新的機(jī)制。隨著工作量以及工作方式的變化,用戶可以在線優(yōu)化模型的參數(shù)。例如:檢測(cè)時(shí)可能會(huì)出現(xiàn)誤報(bào)的情況,假設(shè)一個(gè)窗口大小h=4日志鍵序列為{k22,k16,k5,k6},已知訓(xùn)練后,模型已經(jīng)將概率為1的下一個(gè)日志鍵預(yù)測(cè)是k7,而實(shí)際序列中的日志鍵是k3,那么模型將把k3標(biāo)記為異常。如果用戶反饋這是誤報(bào)(實(shí)際情況下k7和k3都是正常的日志鍵),模型就可以根據(jù)用戶的反饋優(yōu)化新的權(quán)重來(lái)學(xué)習(xí)這個(gè)新序列。當(dāng)再次輸入該序列時(shí),檢測(cè)到的k7和k3都將會(huì)得到相同的概率且被標(biāo)記為正常。

    3 實(shí) 驗(yàn)

    3.1 傳統(tǒng)異常檢測(cè)方法

    主成分分析法(PCA)[16]是一種基于降維的統(tǒng)計(jì)方法。在進(jìn)行異常檢測(cè)的時(shí)候,PCA根據(jù)每個(gè)日志事件的標(biāo)識(shí)符進(jìn)行分組,然后記錄每組中每個(gè)日志事件出現(xiàn)的次數(shù)。PCA的基本思想是將高維數(shù)據(jù)投影到由k個(gè)維度組成的新坐標(biāo)系中,通過(guò)測(cè)量坐標(biāo)系的子空間上的投影長(zhǎng)度來(lái)檢測(cè)異常。因此,PCA可以保留原始高維數(shù)據(jù)的主要特征。

    Xu等[17]首先將PCA應(yīng)用在的異常檢測(cè)中。在Xu等的方法中,每個(gè)日志序列被轉(zhuǎn)化為日志事件的計(jì)數(shù)向量,使用PCA構(gòu)造成兩個(gè)子空間,正??臻gSn和Sm異??臻g。然后,計(jì)算事件計(jì)數(shù)向量y到Sm的投影,如果超過(guò)閾值,則對(duì)應(yīng)的日志事件將被標(biāo)記為異常。

    Lou等[18]最先將不變量挖掘(IM)的方法應(yīng)用到系統(tǒng)日志異常檢測(cè)中。IM根據(jù)日志參數(shù)之間的關(guān)系將日志消息進(jìn)行分組,從日志消息組中自動(dòng)地獲取程序不變量。程序不變量在系統(tǒng)運(yùn)行期間始終保持線性關(guān)系,其輸入是從日志序列生成的事件計(jì)數(shù)矩陣,其中每一行是事件計(jì)數(shù)向量。首先,使用奇異值分解來(lái)估計(jì)不變空間的不變量r;其次,通過(guò)強(qiáng)力搜索算法找出不變量;最后,通過(guò)與設(shè)定的閾值進(jìn)行比較來(lái)驗(yàn)證挖掘的不變量。重復(fù)執(zhí)行以上步驟,直至獲得r個(gè)獨(dú)立不變量。在檢測(cè)時(shí),對(duì)新的日志序列進(jìn)行判斷是否符合不變量,如果至少有一個(gè)不符合,則日志序列將被報(bào)告為異常。

    3.2 數(shù)據(jù)集

    實(shí)驗(yàn)采用系統(tǒng)日志異常檢測(cè)中通用的權(quán)威數(shù)據(jù)集,一是Xu等[17]所公開(kāi)的HDFS日志數(shù)據(jù)集,另一個(gè)是Du等[4]在Deeplog中公開(kāi)的OpenStack數(shù)據(jù)集。

    HDFS數(shù)據(jù)集是基于PCA的主要數(shù)據(jù)集,并在在線PCA和基于IM的異常檢測(cè)方法中廣泛應(yīng)用。該數(shù)據(jù)集包含了11 197 954個(gè)日志條目,其中約3%是異常的。通過(guò)標(biāo)識(shí)符字段將日志條目分組到不同會(huì)話中,HDFS的標(biāo)識(shí)符為block_id,每組會(huì)話對(duì)應(yīng)著一個(gè)日志塊。

    OpenStack數(shù)據(jù)集包含1 333 318個(gè)日志條目,約7%是異常的。主要的進(jìn)程包括VM的創(chuàng)建/刪除、停止/啟動(dòng)、暫停/恢復(fù)等。OpenStack數(shù)據(jù)集的標(biāo)識(shí)符為instance_id。分別將每個(gè)日志條目通過(guò)解析器轉(zhuǎn)化為日志鍵,然后通過(guò)Bi-LSTM網(wǎng)絡(luò)來(lái)訓(xùn)練其權(quán)重,進(jìn)行異常檢測(cè)。

    3.3 實(shí)驗(yàn)評(píng)估標(biāo)準(zhǔn)

    為了評(píng)估模型的有效性,本文采用Precision(召回率)、Recall(準(zhǔn)確率)和F-measure作為評(píng)價(jià)標(biāo)準(zhǔn)。Precision為所有檢測(cè)到的異常與真正異常的百分比[19]。Recall反映了被正確判定的正常樣本占總的正常樣本的百分比。設(shè)置參數(shù)g決定了得到下一日志鍵概率判斷為異常的最低概率值。F-measure的值同時(shí)受到Precision、Recall的影響。設(shè)置默認(rèn)輸入窗口h的大小為10,一個(gè)LSTM網(wǎng)絡(luò)塊的存儲(chǔ)單元α的個(gè)數(shù)為64。為了檢測(cè)模型的性能,做了三組對(duì)比實(shí)驗(yàn):首先比較該模型與之前的基于機(jī)器學(xué)習(xí)的方法的性能;其次通過(guò)調(diào)整參數(shù)g、h、α、Pr的大小來(lái)對(duì)模型參數(shù)進(jìn)行實(shí)驗(yàn)分析;最后進(jìn)行模型有在線更新機(jī)制與無(wú)在線更新機(jī)制的對(duì)比實(shí)驗(yàn)。

    (11)

    (12)

    (13)

    式中:TP為將正常樣本預(yù)測(cè)為正常類(lèi)數(shù);FN為將正常樣本預(yù)測(cè)為異常類(lèi)數(shù);FP為將異常樣本預(yù)測(cè)為正常類(lèi)數(shù);TN為將異常樣本預(yù)測(cè)為異常類(lèi)數(shù)。

    表2為HDFS數(shù)據(jù)上每種方法的假陽(yáng)性和假陰性的數(shù)目。PCA實(shí)現(xiàn)了最少的假陽(yáng)性,但是具有很高的假陰性。IM假陽(yáng)性和假陰性都很高;Bi-LSTM的假陰性和假陽(yáng)性都具有較低的水平。

    表2 HDFS數(shù)據(jù)集FP和FN的數(shù)量

    3.4 結(jié)果分析

    3.4.1方法對(duì)比分析

    圖5和圖6分別為HDFS和OpenStack數(shù)據(jù)集上不同方法對(duì)比實(shí)驗(yàn)結(jié)果。雖然傳統(tǒng)的PCA在HDFS數(shù)據(jù)集上的準(zhǔn)確率為0.98,但是F-measure值僅有0.79,OpenStack數(shù)據(jù)集上也并未表現(xiàn)出突出的性能。而IM盡管在HDFS數(shù)據(jù)集上表現(xiàn)出良好的性能,而在OpenStack數(shù)據(jù)集上準(zhǔn)確率和F-measure分別為0.02和0.04。由此可以得出:傳統(tǒng)的基于機(jī)器學(xué)習(xí)的檢測(cè)方法并不具有很好的適用性,不能有效地應(yīng)用到不同系統(tǒng)之間的異常檢測(cè)。使用LSTM的檢測(cè)方法的Deeplog模型準(zhǔn)確率和F-measure都高達(dá)0.95以上?;贐i-LSTM的方法在兩個(gè)數(shù)據(jù)集上都表現(xiàn)出良好的性能,準(zhǔn)確率和F-measure分別為0.98和0.98。這是由于Bi-LSTM綜合考慮前后事件對(duì)當(dāng)前事件的影響,因此實(shí)驗(yàn)結(jié)果高于Deeplog模型。通過(guò)對(duì)比實(shí)驗(yàn)可以得出:Bi-LSTM模型不僅能夠適用于隨機(jī)生成的數(shù)據(jù)集而且在大規(guī)模的數(shù)據(jù)上也表現(xiàn)出優(yōu)越的性能,能夠適用于不同系統(tǒng)日志路徑的異常檢測(cè)。

    圖5 HDFS數(shù)據(jù)集性能對(duì)比結(jié)果圖

    圖6 OpenStack數(shù)據(jù)集性能對(duì)比結(jié)果圖

    3.4.2Bi-LSTM模型參數(shù)分析

    通過(guò)調(diào)整Bi-LSTM網(wǎng)絡(luò)中各種參數(shù)來(lái)測(cè)試模型的性能,其中調(diào)整的參數(shù)包括:g,h,α,Pr。在每個(gè)實(shí)驗(yàn)中只改變一個(gè)參數(shù)的值,其余參數(shù)保持默認(rèn)值。圖7為改變參數(shù)α,其他參數(shù)不變的情況下的模型性能隨著LSTM單元個(gè)數(shù)的變化趨勢(shì),實(shí)驗(yàn)表明當(dāng)內(nèi)存單元數(shù)為192時(shí),模型的準(zhǔn)確率和F-measure都明顯優(yōu)于其他內(nèi)存單元數(shù)。圖8反映了改變參數(shù)g后模型的性能變化,當(dāng)設(shè)置的g閾值偏低時(shí),雖然模型具有很高的準(zhǔn)確率但是其F-measure卻很低。圖9為改變參數(shù)h模型的性能變化,由于LSTM網(wǎng)絡(luò)需要長(zhǎng)依賴(lài)性,所以當(dāng)選擇的窗口越大時(shí),其表現(xiàn)的性能越明顯。圖10反映了改變參數(shù)Pr后模型的性能變化,Pr的大小決定著前向推算和后向推算各自對(duì)預(yù)測(cè)的概率所占的比重。綜合所有的實(shí)驗(yàn)結(jié)果,發(fā)現(xiàn)Bi-LSTM網(wǎng)絡(luò)的性能在調(diào)整各個(gè)參數(shù)時(shí)表現(xiàn)得非常穩(wěn)定,單一改變參數(shù)或者是組合調(diào)整對(duì)模型的性能影響不大。

    圖7 改變參數(shù)α性能對(duì)比結(jié)果圖

    圖8 改變參數(shù)g性能對(duì)比結(jié)果圖

    圖9 改變參數(shù)h性能對(duì)比結(jié)果圖

    圖10 改變參數(shù)Pr性能對(duì)比結(jié)果圖

    3.4.3在線更新對(duì)模型性能的分析

    在HDFS和OpenStack兩個(gè)數(shù)據(jù)集中,許多日志鍵僅在特定時(shí)間段內(nèi)出現(xiàn),因此訓(xùn)練數(shù)據(jù)集可能不包含所有正常日志鍵,具有很好的未知性。首先,用數(shù)據(jù)集的前10%作為訓(xùn)練數(shù)據(jù),其余的作為測(cè)試數(shù)據(jù)。然后,設(shè)置各個(gè)參數(shù)α=64、g=0.8、h=10、Pr=0.5,并保證參數(shù)不改變。對(duì)于有在線更新的模型,假設(shè)有用戶報(bào)告檢測(cè)到的異常為誤報(bào),Bi-LSTM使用該標(biāo)記來(lái)更新其模型以學(xué)習(xí)這種新模式。圖11是模型在HDFS數(shù)據(jù)集下的性能,無(wú)在線更新的模型準(zhǔn)確率僅為0.30,F(xiàn)-measure為0.46,而有在線更新的模型準(zhǔn)確率和F-measure分別為0.90和0.95。圖12是模型在OpenStack數(shù)據(jù)集下的性能,無(wú)在線更新的模型準(zhǔn)確率僅為0.35,F(xiàn)-measure為0.52,而有在線更新的模型準(zhǔn)確率和F-measure分別為0.93和0.96。結(jié)果表明,有在線更新的異常檢測(cè)模型在準(zhǔn)確率和F-measure都明顯高于無(wú)在線更新模型,在線更新的機(jī)制可以提高模型在檢測(cè)新執(zhí)行模式時(shí)的性能。

    圖11 HDFS數(shù)據(jù)集有無(wú)在線更新性能比較圖

    圖12 OpenStack數(shù)據(jù)集有無(wú)在線更新性能比較圖

    4 結(jié) 語(yǔ)

    本文提出一種基于雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的系統(tǒng)異常檢測(cè)模型。首先在每個(gè)日志條目的級(jí)別上,通過(guò)日志解析器實(shí)現(xiàn)從日志文件中分離出不同類(lèi)別的任務(wù),從而構(gòu)成時(shí)序化的日志鍵序列,有效地解決傳統(tǒng)異常檢測(cè)方法中日志結(jié)構(gòu)不統(tǒng)一的問(wèn)題。其次使用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)對(duì)時(shí)序化的日志序列進(jìn)行建模和預(yù)測(cè),并且增加在線更新優(yōu)化模型參數(shù)的機(jī)制,提高模型檢測(cè)新執(zhí)行模式的性能。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的基于機(jī)器學(xué)習(xí)異常檢測(cè)的方法相比,本文模型在HDFS和OpenStack數(shù)據(jù)集上準(zhǔn)確率分別提升了0.11和0.2,召回率提升了0.29,F(xiàn)-measure分別提升了0.19和0.11。基于雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的系統(tǒng)異常檢測(cè)模型在系統(tǒng)日志異常檢測(cè)上具有顯著的性能,對(duì)系統(tǒng)異常檢測(cè)和優(yōu)化模型參數(shù)等方面具有重要的意義。

    在未來(lái)工作中,將改進(jìn)模型使其不僅能適用于系統(tǒng)日志執(zhí)行模式的異常檢測(cè),還能夠?qū)θ罩局械母鱾€(gè)參數(shù)進(jìn)行異常檢測(cè)。同時(shí)改進(jìn)模型的輸出最大化概率的最優(yōu)路徑來(lái)提升模型的效率。

    猜你喜歡
    日志準(zhǔn)確率性能
    一名老黨員的工作日志
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    扶貧日志
    心聲歌刊(2020年4期)2020-09-07 06:37:14
    提供將近80 Gbps的帶寬性能 DisplayPort 2.0正式發(fā)布
    高速公路車(chē)牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    游學(xué)日志
    Al-Se雙元置換的基于LGPS的thio-LISICON的制備與性能表征
    強(qiáng)韌化PBT/PC共混物的制備與性能
    亚洲精品国产区一区二| 99精品欧美一区二区三区四区| 高潮久久久久久久久久久不卡| 国产av又大| 深夜精品福利| 国产男靠女视频免费网站| 婷婷亚洲欧美| 精品第一国产精品| 久久这里只有精品19| 中文字幕另类日韩欧美亚洲嫩草| 香蕉av资源在线| 亚洲自拍偷在线| 一区二区三区高清视频在线| 欧美三级亚洲精品| 老司机深夜福利视频在线观看| 欧美久久黑人一区二区| 日本撒尿小便嘘嘘汇集6| 亚洲五月天丁香| 国产成人影院久久av| 国产极品粉嫩免费观看在线| 亚洲五月天丁香| 欧美激情高清一区二区三区| 国产欧美日韩一区二区三| 1024香蕉在线观看| 精华霜和精华液先用哪个| 久久精品91蜜桃| 午夜激情av网站| 两性午夜刺激爽爽歪歪视频在线观看 | 免费搜索国产男女视频| 美女午夜性视频免费| av中文乱码字幕在线| 亚洲精品国产区一区二| 精品少妇一区二区三区视频日本电影| 国产国语露脸激情在线看| 国产不卡一卡二| 一进一出抽搐gif免费好疼| 午夜激情av网站| 精品不卡国产一区二区三区| 久久久精品欧美日韩精品| 欧美日韩瑟瑟在线播放| 亚洲在线自拍视频| 观看免费一级毛片| 久久午夜综合久久蜜桃| 美女扒开内裤让男人捅视频| e午夜精品久久久久久久| 狂野欧美激情性xxxx| av视频在线观看入口| 午夜福利一区二区在线看| 亚洲专区中文字幕在线| 一区二区三区高清视频在线| 亚洲三区欧美一区| 高潮久久久久久久久久久不卡| 一边摸一边抽搐一进一小说| 亚洲aⅴ乱码一区二区在线播放 | 亚洲美女黄片视频| 久久久久亚洲av毛片大全| 中文字幕av电影在线播放| 欧美另类亚洲清纯唯美| 久久香蕉激情| 99riav亚洲国产免费| 免费看美女性在线毛片视频| 黄频高清免费视频| 日本 欧美在线| 欧美激情高清一区二区三区| 黑丝袜美女国产一区| 国产野战对白在线观看| 亚洲精品国产区一区二| 国产一级毛片七仙女欲春2 | 男女之事视频高清在线观看| 美女高潮到喷水免费观看| 亚洲熟妇中文字幕五十中出| 久久人人精品亚洲av| 亚洲精品一区av在线观看| 色在线成人网| 婷婷精品国产亚洲av在线| 白带黄色成豆腐渣| 色婷婷久久久亚洲欧美| 757午夜福利合集在线观看| 在线十欧美十亚洲十日本专区| av电影中文网址| 国产成人欧美在线观看| 丝袜人妻中文字幕| 亚洲国产精品成人综合色| 久久久久久久精品吃奶| 香蕉丝袜av| 精品国产美女av久久久久小说| 精品久久久久久,| 亚洲第一av免费看| 国产在线观看jvid| av欧美777| 国产私拍福利视频在线观看| 国产亚洲精品av在线| 欧美一级毛片孕妇| 日本撒尿小便嘘嘘汇集6| av福利片在线| 成年人黄色毛片网站| 国产av又大| 十分钟在线观看高清视频www| 亚洲欧美精品综合久久99| 欧美一级毛片孕妇| 亚洲欧美精品综合久久99| 亚洲性夜色夜夜综合| 草草在线视频免费看| 一区二区日韩欧美中文字幕| 他把我摸到了高潮在线观看| 亚洲av美国av| 成人亚洲精品一区在线观看| 波多野结衣高清作品| 国产成人系列免费观看| 国产男靠女视频免费网站| ponron亚洲| 国产成人欧美| 亚洲一区二区三区色噜噜| 成人特级黄色片久久久久久久| 成人国产综合亚洲| 在线十欧美十亚洲十日本专区| 欧美精品啪啪一区二区三区| 久久国产精品影院| 色老头精品视频在线观看| 少妇的丰满在线观看| 国产国语露脸激情在线看| aaaaa片日本免费| 最新在线观看一区二区三区| 婷婷丁香在线五月| 制服人妻中文乱码| 99re在线观看精品视频| av欧美777| 精品人妻1区二区| 老司机在亚洲福利影院| 老司机深夜福利视频在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精品粉嫩美女一区| 亚洲熟妇熟女久久| 黄色视频,在线免费观看| a级毛片在线看网站| 免费女性裸体啪啪无遮挡网站| 俺也久久电影网| 午夜老司机福利片| 亚洲第一欧美日韩一区二区三区| √禁漫天堂资源中文www| 美女 人体艺术 gogo| av视频在线观看入口| 亚洲aⅴ乱码一区二区在线播放 | 亚洲成人国产一区在线观看| 长腿黑丝高跟| 91av网站免费观看| 亚洲国产精品成人综合色| 亚洲aⅴ乱码一区二区在线播放 | 成在线人永久免费视频| 午夜亚洲福利在线播放| 欧美日韩乱码在线| 51午夜福利影视在线观看| 日韩欧美免费精品| 久久亚洲真实| 99riav亚洲国产免费| 亚洲成av人片免费观看| 欧美日韩一级在线毛片| 女警被强在线播放| 在线av久久热| 亚洲国产中文字幕在线视频| 日本在线视频免费播放| 夜夜躁狠狠躁天天躁| 9191精品国产免费久久| 精品少妇一区二区三区视频日本电影| 亚洲精品中文字幕在线视频| 国产野战对白在线观看| 一区福利在线观看| 久久精品国产清高在天天线| 日韩三级视频一区二区三区| 亚洲性夜色夜夜综合| 免费女性裸体啪啪无遮挡网站| 一边摸一边抽搐一进一小说| 99精品久久久久人妻精品| 国产成人精品无人区| 变态另类丝袜制服| 中文字幕人妻丝袜一区二区| 精品免费久久久久久久清纯| 视频在线观看一区二区三区| 精品熟女少妇八av免费久了| 十分钟在线观看高清视频www| 中文字幕最新亚洲高清| 色播在线永久视频| 国产亚洲精品综合一区在线观看 | 久久久国产成人精品二区| 国产成人啪精品午夜网站| 亚洲国产精品久久男人天堂| 成人18禁高潮啪啪吃奶动态图| 99国产精品一区二区三区| 动漫黄色视频在线观看| 午夜福利18| 久久婷婷人人爽人人干人人爱| 女性生殖器流出的白浆| 波多野结衣高清作品| 在线天堂中文资源库| 国产精品爽爽va在线观看网站 | 免费在线观看成人毛片| 亚洲国产精品久久男人天堂| 国产片内射在线| 久久精品亚洲精品国产色婷小说| 麻豆成人av在线观看| 不卡一级毛片| 搡老岳熟女国产| 国产91精品成人一区二区三区| 久久中文字幕一级| 日韩高清综合在线| 国产亚洲欧美98| 一本精品99久久精品77| 看黄色毛片网站| 国产黄片美女视频| 日韩免费av在线播放| 午夜a级毛片| av有码第一页| av超薄肉色丝袜交足视频| 黄色片一级片一级黄色片| 精品久久蜜臀av无| 一级毛片女人18水好多| 国产伦一二天堂av在线观看| 午夜两性在线视频| 国产av在哪里看| 91麻豆精品激情在线观看国产| 美女高潮到喷水免费观看| 欧美黑人巨大hd| 国产极品粉嫩免费观看在线| 色综合欧美亚洲国产小说| 久久人妻av系列| 正在播放国产对白刺激| 九色国产91popny在线| 18美女黄网站色大片免费观看| 国内精品久久久久久久电影| 日本一本二区三区精品| netflix在线观看网站| 黄网站色视频无遮挡免费观看| 亚洲第一av免费看| 欧美日韩中文字幕国产精品一区二区三区| а√天堂www在线а√下载| 成年人黄色毛片网站| 成年女人毛片免费观看观看9| 我的亚洲天堂| 婷婷亚洲欧美| 国产精品影院久久| 亚洲第一青青草原| 国产成人精品无人区| 国产精品美女特级片免费视频播放器 | 国产片内射在线| 亚洲专区字幕在线| 欧美+亚洲+日韩+国产| 香蕉av资源在线| 性色av乱码一区二区三区2| 男人操女人黄网站| 成人18禁在线播放| 一区二区日韩欧美中文字幕| 一区二区日韩欧美中文字幕| 欧美zozozo另类| 夜夜夜夜夜久久久久| 一级毛片精品| 成人av一区二区三区在线看| 亚洲精品色激情综合| 久久久久国内视频| 欧美一级毛片孕妇| av电影中文网址| 男人舔女人的私密视频| 欧美激情极品国产一区二区三区| 69av精品久久久久久| www国产在线视频色| 可以在线观看毛片的网站| 亚洲欧美精品综合一区二区三区| 午夜免费成人在线视频| 十八禁网站免费在线| 最近最新免费中文字幕在线| 亚洲成国产人片在线观看| 麻豆一二三区av精品| 亚洲一区二区三区色噜噜| 丁香欧美五月| 国产亚洲精品久久久久5区| 欧美色欧美亚洲另类二区| 一级毛片高清免费大全| 色哟哟哟哟哟哟| 男女床上黄色一级片免费看| 最近最新免费中文字幕在线| 精品久久久久久成人av| 香蕉久久夜色| 日韩精品青青久久久久久| 国产一卡二卡三卡精品| 中国美女看黄片| 成年女人毛片免费观看观看9| 韩国av一区二区三区四区| 丝袜在线中文字幕| 长腿黑丝高跟| 欧美成人一区二区免费高清观看 | 中文亚洲av片在线观看爽| 女人高潮潮喷娇喘18禁视频| 啦啦啦 在线观看视频| 国产精品久久视频播放| 成人亚洲精品av一区二区| 亚洲专区字幕在线| 一级a爱视频在线免费观看| 在线观看一区二区三区| 两个人视频免费观看高清| 非洲黑人性xxxx精品又粗又长| 精品久久久久久久久久久久久 | 9191精品国产免费久久| 亚洲国产高清在线一区二区三 | 亚洲精品粉嫩美女一区| 亚洲熟妇熟女久久| 狠狠狠狠99中文字幕| 日本a在线网址| 老司机午夜十八禁免费视频| 免费在线观看日本一区| 色哟哟哟哟哟哟| 老熟妇仑乱视频hdxx| 1024香蕉在线观看| av在线天堂中文字幕| 午夜老司机福利片| 免费观看精品视频网站| 国产一级毛片七仙女欲春2 | 人妻久久中文字幕网| 中文字幕久久专区| 亚洲专区中文字幕在线| 人成视频在线观看免费观看| 欧美久久黑人一区二区| 老汉色∧v一级毛片| 国产黄a三级三级三级人| 制服诱惑二区| 国产在线精品亚洲第一网站| 黄网站色视频无遮挡免费观看| 国产私拍福利视频在线观看| a级毛片在线看网站| 国产精品 欧美亚洲| 日韩精品中文字幕看吧| 亚洲精品一区av在线观看| 欧美性猛交黑人性爽| 久久久国产成人免费| 日日夜夜操网爽| 亚洲国产欧美日韩在线播放| 亚洲男人天堂网一区| 琪琪午夜伦伦电影理论片6080| 俺也久久电影网| 亚洲男人的天堂狠狠| 欧美性长视频在线观看| 久久人人精品亚洲av| 精品久久久久久久毛片微露脸| 女警被强在线播放| 国产激情偷乱视频一区二区| 不卡一级毛片| 国产91精品成人一区二区三区| 给我免费播放毛片高清在线观看| 人妻丰满熟妇av一区二区三区| 99国产极品粉嫩在线观看| 天天添夜夜摸| 很黄的视频免费| 亚洲专区字幕在线| 久久精品国产清高在天天线| 在线观看午夜福利视频| 色尼玛亚洲综合影院| av免费在线观看网站| 久久精品夜夜夜夜夜久久蜜豆 | 精品国产超薄肉色丝袜足j| 国产成年人精品一区二区| 一本一本综合久久| 精品一区二区三区av网在线观看| 变态另类成人亚洲欧美熟女| 国产免费av片在线观看野外av| 最近最新中文字幕大全免费视频| 久久精品国产99精品国产亚洲性色| 女人爽到高潮嗷嗷叫在线视频| 精品人妻1区二区| 亚洲性夜色夜夜综合| 亚洲成a人片在线一区二区| 欧美日本视频| 免费看a级黄色片| 国产成人精品久久二区二区91| 国产单亲对白刺激| 国产片内射在线| 曰老女人黄片| 精品国产一区二区三区四区第35| 满18在线观看网站| 三级毛片av免费| 国内久久婷婷六月综合欲色啪| 亚洲国产精品合色在线| 国产精品1区2区在线观看.| avwww免费| 一本久久中文字幕| 亚洲在线自拍视频| 国产一级毛片七仙女欲春2 | 欧洲精品卡2卡3卡4卡5卡区| 国产精品一区二区精品视频观看| 国产av一区二区精品久久| 中国美女看黄片| 成人18禁高潮啪啪吃奶动态图| 亚洲精品在线美女| 国产av不卡久久| 黄色片一级片一级黄色片| 亚洲av成人一区二区三| 日韩精品青青久久久久久| 天天添夜夜摸| www国产在线视频色| 美女国产高潮福利片在线看| 国内揄拍国产精品人妻在线 | 国产亚洲欧美98| 欧美精品啪啪一区二区三区| 男女做爰动态图高潮gif福利片| 在线观看午夜福利视频| 两个人看的免费小视频| 精品一区二区三区视频在线观看免费| 国产精品一区二区三区四区久久 | 久久伊人香网站| 久久香蕉精品热| 欧美黑人欧美精品刺激| 精品无人区乱码1区二区| 成人永久免费在线观看视频| 精品国产一区二区三区四区第35| cao死你这个sao货| 亚洲欧洲精品一区二区精品久久久| 欧美亚洲日本最大视频资源| 女性生殖器流出的白浆| 成人国语在线视频| 欧美激情久久久久久爽电影| 国产高清激情床上av| 日韩大码丰满熟妇| 精品国产乱子伦一区二区三区| 日本免费一区二区三区高清不卡| 成人亚洲精品一区在线观看| 成人国语在线视频| 久久精品91蜜桃| 欧美在线一区亚洲| 久久久久免费精品人妻一区二区 | 亚洲精品国产精品久久久不卡| 一级作爱视频免费观看| 国产亚洲精品av在线| 久久狼人影院| 桃红色精品国产亚洲av| 成人永久免费在线观看视频| 19禁男女啪啪无遮挡网站| 两人在一起打扑克的视频| 亚洲色图av天堂| 十八禁网站免费在线| e午夜精品久久久久久久| 亚洲国产精品合色在线| 色综合亚洲欧美另类图片| 麻豆成人午夜福利视频| 成人永久免费在线观看视频| 久热这里只有精品99| 国产欧美日韩一区二区精品| 黑人操中国人逼视频| 午夜a级毛片| 欧美乱妇无乱码| 国产熟女xx| 国产私拍福利视频在线观看| 久99久视频精品免费| 国产精品久久久久久亚洲av鲁大| 色老头精品视频在线观看| 免费看a级黄色片| 久久精品国产亚洲av高清一级| 欧洲精品卡2卡3卡4卡5卡区| 超碰成人久久| 男女午夜视频在线观看| 国产精品自产拍在线观看55亚洲| 亚洲成国产人片在线观看| 女人爽到高潮嗷嗷叫在线视频| 12—13女人毛片做爰片一| 亚洲av美国av| 免费看十八禁软件| 亚洲国产精品久久男人天堂| 一区二区三区激情视频| 精品久久久久久久毛片微露脸| av福利片在线| 黄色a级毛片大全视频| 一级a爱视频在线免费观看| 欧美av亚洲av综合av国产av| 国内毛片毛片毛片毛片毛片| 成人18禁高潮啪啪吃奶动态图| 日本五十路高清| 两性夫妻黄色片| 欧美国产精品va在线观看不卡| 国产精品一区二区三区四区久久 | 久久青草综合色| av欧美777| 两人在一起打扑克的视频| 久久精品91蜜桃| 亚洲av第一区精品v没综合| 久久国产亚洲av麻豆专区| 欧美午夜高清在线| 久久久国产成人精品二区| 国产一区二区三区视频了| 国产成人精品无人区| 看片在线看免费视频| 免费av毛片视频| 国产精品亚洲av一区麻豆| 亚洲国产欧美日韩在线播放| 最近最新免费中文字幕在线| 欧美日本视频| 波多野结衣高清作品| 99热这里只有精品一区 | 少妇裸体淫交视频免费看高清 | 国产单亲对白刺激| 天天躁夜夜躁狠狠躁躁| 大香蕉久久成人网| 亚洲国产精品合色在线| 色综合站精品国产| 免费观看精品视频网站| 欧美激情 高清一区二区三区| 午夜久久久在线观看| 午夜福利18| 两性夫妻黄色片| 久久香蕉精品热| 欧美在线一区亚洲| 女人爽到高潮嗷嗷叫在线视频| 久久精品影院6| 精品一区二区三区av网在线观看| 一a级毛片在线观看| 成人国语在线视频| 久久久久亚洲av毛片大全| 久9热在线精品视频| 日本成人三级电影网站| 日日干狠狠操夜夜爽| 欧美乱色亚洲激情| or卡值多少钱| 国产激情偷乱视频一区二区| 宅男免费午夜| 亚洲国产中文字幕在线视频| 人人妻,人人澡人人爽秒播| 在线观看日韩欧美| 国产一区二区三区视频了| 欧美黑人巨大hd| 在线十欧美十亚洲十日本专区| 欧美性猛交╳xxx乱大交人| 看片在线看免费视频| 亚洲成av片中文字幕在线观看| 国产精品永久免费网站| 亚洲欧美日韩无卡精品| 国产麻豆成人av免费视频| 精品电影一区二区在线| 嫁个100分男人电影在线观看| 国产乱人伦免费视频| 免费女性裸体啪啪无遮挡网站| 香蕉久久夜色| 久久久久久久午夜电影| 国产成人av激情在线播放| 免费av毛片视频| 亚洲国产精品久久男人天堂| 亚洲欧美日韩无卡精品| 精品无人区乱码1区二区| 男人舔女人的私密视频| 亚洲色图 男人天堂 中文字幕| 一边摸一边做爽爽视频免费| av超薄肉色丝袜交足视频| 搞女人的毛片| 国产精品精品国产色婷婷| 久久久久久久久中文| АⅤ资源中文在线天堂| 亚洲天堂国产精品一区在线| 亚洲片人在线观看| 欧美另类亚洲清纯唯美| 亚洲第一av免费看| 免费看日本二区| 欧美在线黄色| 狂野欧美激情性xxxx| 男女午夜视频在线观看| 国内精品久久久久久久电影| 国产高清视频在线播放一区| 大香蕉久久成人网| 欧美亚洲日本最大视频资源| 中文字幕人妻熟女乱码| 日韩欧美 国产精品| 国产精华一区二区三区| 夜夜看夜夜爽夜夜摸| 俺也久久电影网| 亚洲成人免费电影在线观看| 在线观看午夜福利视频| 变态另类成人亚洲欧美熟女| 国产精品久久视频播放| 777久久人妻少妇嫩草av网站| 丝袜人妻中文字幕| 又紧又爽又黄一区二区| 日韩大码丰满熟妇| 亚洲三区欧美一区| 18禁裸乳无遮挡免费网站照片 | 在线观看www视频免费| 十八禁人妻一区二区| 在线观看舔阴道视频| 国产精品精品国产色婷婷| netflix在线观看网站| a级毛片a级免费在线| 亚洲国产日韩欧美精品在线观看 | 日韩三级视频一区二区三区| 人人澡人人妻人| 亚洲熟妇中文字幕五十中出| 淫妇啪啪啪对白视频| АⅤ资源中文在线天堂| 亚洲欧美日韩高清在线视频| 亚洲,欧美精品.| 久久国产精品人妻蜜桃| 亚洲熟妇中文字幕五十中出| 亚洲精品av麻豆狂野| 亚洲人成77777在线视频| 欧美性长视频在线观看| 色精品久久人妻99蜜桃| 日本黄色视频三级网站网址| 久久九九热精品免费| 国产99白浆流出| 99在线视频只有这里精品首页| 99国产极品粉嫩在线观看| 狂野欧美激情性xxxx| 久久精品夜夜夜夜夜久久蜜豆 | av视频在线观看入口| 久热爱精品视频在线9| 麻豆国产av国片精品| 久久久久久人人人人人| 男女做爰动态图高潮gif福利片| 成年免费大片在线观看| 一级a爱片免费观看的视频| 久久午夜综合久久蜜桃| 久久久国产精品麻豆| 不卡av一区二区三区| 色精品久久人妻99蜜桃|