• <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 ?

    基于項(xiàng)目評分行為序列的群組攻擊檢測算法

    2021-01-18 01:39:54胡玉琦曲越奇
    燕山大學(xué)學(xué)報 2021年1期
    關(guān)鍵詞:群組復(fù)雜度區(qū)間

    胡玉琦,李 雪,曲越奇

    (1. 燕山大學(xué) 信息與工程學(xué)院,河北 秦皇島 066004;2. 燕山大學(xué) 里仁學(xué)院,河北 秦皇島 066004)

    0 引言

    推薦系統(tǒng)通過在海量信息中為用戶尋找所需要的信息,進(jìn)行個性化推薦,有效地解決信息過載問題,但系統(tǒng)的開放性使得其很容易被惡意用戶攻擊。目前攻擊行為正逐漸由個體攻擊行為轉(zhuǎn)變?yōu)槿航M攻擊行為[1],群組攻擊行為通過多個用戶共同作用的方式有目的地對系統(tǒng)注入攻擊概貌以增加或減少目標(biāo)項(xiàng)目被推薦的頻率[2-3]。相對于個體攻擊行為而言,攻擊群組中的各個用戶互相協(xié)作和掩護(hù),攻擊的迷惑性更強(qiáng),傳統(tǒng)的檢測算法逐漸失效,推薦系統(tǒng)的魯棒性正受到挑戰(zhàn)。

    針對攻擊群組的檢測算法中,Wan等人采用AP聚類對用戶進(jìn)行群組劃分,將每個群組表示為評分向量,并根據(jù)壓縮后的評分向量矩陣找出被攻擊的目標(biāo)項(xiàng)目,根據(jù)目標(biāo)項(xiàng)目找出攻擊群組。該算法可以檢測多種類型的攻擊,但對分段攻擊類型的小攻擊規(guī)模數(shù)據(jù)集檢測效果不穩(wěn)定[4]。Dou等人采用了矩陣分解和決策樹檢測攻擊用戶,用特征向量表示用戶的信息,利用決策樹對用戶進(jìn)行分類。該算法需要事先獲得用戶標(biāo)簽,并且如果在數(shù)據(jù)集中正常用戶和攻擊用戶比例相差較大的情況下檢測性能會降低[5]。Zhang等人需要事先了解攻擊規(guī)模并標(biāo)記種子用戶,而實(shí)際的攻擊規(guī)模具有隨機(jī)性難以獲取,該條件影響了算法的實(shí)用性。另外,該算法還受種子用戶比例的影響,如果選取的種子用戶少,檢測性能將降低[6]。Gao等人采用時間序列檢測攻擊用戶,計算每個時間區(qū)間的評分分布與其他區(qū)間評分分布的差值,差值較大被判定為可疑區(qū)間,即攻擊群組[7]。Zhou等人首先根據(jù)共同評分項(xiàng)目計算每個用戶的特征值,根據(jù)特征值利用K-means算法對用戶聚類,判定攻擊群組,但該方法不能有效地檢測共同評分項(xiàng)目很少或利用嚴(yán)格攻擊模型注入的攻擊用戶[8]。Mehta等人提出了PCA-VarSelect算法,該算法利用主成分分析降維的方法過濾攻擊概貌,可以有效地檢測多種類型的攻擊,但受限于評分矩陣的密度[9]。Cai等人通過構(gòu)建用戶有序評分序列來挖掘用戶特征,利用PCA方法提取主成分組成矩陣,然后通過計算用戶向量和預(yù)測向量的差值來檢測可疑用戶[10]。

    與群組攻擊檢測算法相關(guān)的是對電商平臺中虛假評論群組的檢測。Mukherjee等人提出了采用頻繁項(xiàng)集挖掘的方法來尋找候選群組,并依據(jù)群組、個體和商品的特征計算候選群組得分,按群組得分進(jìn)行排序,篩選虛假群組,并提出了8個虛假群組的特征,彌補(bǔ)了以往檢測特征過少的缺點(diǎn)[11-12]。韓忠明等人通過構(gòu)建用戶關(guān)系圖,對鄰接矩陣特征分解,找出異常特征向量,通過異常特征向量來檢測攻擊群組,該方法在建圖時需要共同評分項(xiàng)目數(shù)量不小于3,而現(xiàn)實(shí)中無論是正常用戶還是攻擊用戶之間很少甚至沒有共同評分項(xiàng)目,因此該方法會丟失很多信息[13]。Wang等人提出通過檢測圖的拓?fù)浣Y(jié)構(gòu)來檢測虛假群組,根據(jù)用戶評論數(shù)據(jù)建立用戶關(guān)系圖,尋找圖中雙連通分量和最小分割圖,判定虛假群組,但該方法會產(chǎn)生大量的孤立節(jié)點(diǎn)[14]。Ye等人根據(jù)鄰居節(jié)點(diǎn)多樣性和節(jié)點(diǎn)與網(wǎng)絡(luò)的相似性這兩個特征分析評論者,通過2-hop子圖尋找群組中評論者的異常行為,并采用層次聚類判定虛假群組[15]。

    本文針對已有群組攻擊檢測方法的局限性,提出了一種基于項(xiàng)目評分行為序列的群組攻擊檢測算法,稱為IRBS(Item Rating Behavior Sequence)算法。

    1 IRBS檢測算法結(jié)構(gòu)

    如圖1所示,IRBS有以下3個步驟:步驟一,根據(jù)評分?jǐn)?shù)據(jù)集提取每個項(xiàng)目的評分行為序列,按時間先后順序?qū)π蛄兄械脑剡M(jìn)行排列。設(shè)置時間長度固定的時間窗口依次交叉劃分評分行為區(qū)間,并在劃分過程中篩選出區(qū)間內(nèi)元素個數(shù)不小于2的區(qū)間;步驟二,計算區(qū)間的評分中值偏離度,根據(jù)偏離度利用層次聚類[16]篩選區(qū)間,計算區(qū)間可疑度;步驟三,對區(qū)間可疑度進(jìn)行指數(shù)縮放處理,根據(jù)可疑度利用K-means聚類[17]判定攻擊群組。

    圖1 IRBS檢測算法框架Fig.1 Frame of IRBS detection algorithm

    2 IRBS檢測算法

    2.1 評分行為區(qū)間的劃分

    2.1.1項(xiàng)目評分行為序列的提取

    在推薦系統(tǒng)中,攻擊用戶為了隱蔽而快速地達(dá)到攻擊目的,通常在短時間內(nèi)以群體協(xié)作的方式對目標(biāo)項(xiàng)目進(jìn)行攻擊,并且根據(jù)攻擊概貌的類型對其他項(xiàng)目進(jìn)行評分,以增強(qiáng)隱蔽性。但無論采用哪種攻擊概貌,攻擊群組對目標(biāo)項(xiàng)目的“評分極端”和“時間集中”特性不會改變,因此通過提取數(shù)據(jù)集中每個項(xiàng)目的評分行為集合,按照時間先后順序?qū)π蛄兄械脑剡M(jìn)行排列,生成有序的項(xiàng)目評分行為序列。

    定義1項(xiàng)目評分行為序列(IRBSi)指對項(xiàng)目i∈I的所有評分行為的順序集合,評分行為包括評分用戶、評分級別和評分時間,表示為

    (1)

    其中,m表示項(xiàng)目i的評分行為序列中評分行為的數(shù)量。

    2.1.2評分行為區(qū)間的交叉劃分

    根據(jù)攻擊群組的“攻擊時間集中”的特性,設(shè)置固定時間長度的窗口對每個項(xiàng)目的評分行為序列進(jìn)行劃分,窗口時間長度設(shè)置為30天,采用交叉劃分的方法,即窗口每次滑動步長為1,使區(qū)間之間有交集,從而避免了因窗口時間長度固定而導(dǎo)致某些攻擊用戶被排除掉。另外,同一序列中的區(qū)間之間不能存在包含關(guān)系,避免序列被劃分的過于精細(xì)而使區(qū)間冗余導(dǎo)致的計算量增大。

    劃分群組后,由于個別用戶不能構(gòu)成群組,因此需要根據(jù)區(qū)間中用戶的數(shù)量對區(qū)間進(jìn)行篩選,將篩選出的區(qū)間用戶數(shù)量不小于2的區(qū)間作為候選區(qū)間。

    文中使用的參數(shù)說明如表1所示。

    表1 參數(shù)說明Tab.1 Notes of parameters

    由2.1.1和2.1.2節(jié)總結(jié)出劃分評分行為區(qū)間的算法1描述如下:

    算法1 劃分評分行為區(qū)間

    輸入:數(shù)據(jù)集D(U,I,R,T),評分行為窗口RBW

    輸出:評分行為區(qū)間集合IRBIS

    1.IRBIS←?

    2. for each itemi∈Ido

    3.IRBSi←項(xiàng)目i的評分行為序列

    4. while True do

    5.IRBIi←?,startelen←IRBSi[n]

    [|IRBSi|]} do

    9. end if

    10. end for

    11. if |IRBIi|≥2 andIRBIiIRBISi[|IRBISi|] then

    12.IRBISi←IRBISi∪IRBIi

    13. end if

    14. ifIRBIi[|IRBIi|]=IRBSi[|IRBSi|] then

    15. break

    16. end if

    17.n←n+1

    18. end while

    19.IRBIS←IRBIS∪IRBISi

    20. end for

    returnIRBIS

    算法1主要包括兩部分:第一部分(第1~3行)生成項(xiàng)目評分行為序列,第二部分(第4~18行)劃分項(xiàng)目評分行為區(qū)間并篩選區(qū)間。

    算法1的時間復(fù)雜度分析:生成項(xiàng)目評分行為序列(第1~3行)的時間復(fù)雜度為O(|I|2),劃分項(xiàng)目評分行為區(qū)間并篩選區(qū)間(第4~18行)的時間復(fù)雜度為O(|U|·|I|),因此算法1的時間復(fù)雜度為O(|I|2+|U|·|I|)。

    2.2 區(qū)間可疑度

    2.2.1區(qū)間評分中值偏離度

    攻擊群組對目標(biāo)項(xiàng)目進(jìn)行極端評分,通過計算區(qū)間用戶對該項(xiàng)目評分的平均值與數(shù)據(jù)集評分中值的偏離程度,即可知道該區(qū)間為攻擊群組的可能性。

    (2)

    在計算偏離度之后,濾掉偏離度很小攻擊區(qū)間,縮小檢測范圍,因此設(shè)置一個閾值,如果某區(qū)間的項(xiàng)目評分中值偏離度大于該閾值,將該區(qū)間作為備選區(qū)間,否則過濾掉。

    確定該閾值的方法利用層次聚類自動確定。由于所有區(qū)間的項(xiàng)目評分中值偏離度可能有重復(fù)值,而大量的重復(fù)值不但會增加計算量,而且會對檢測結(jié)果造成干擾,因此在計算之前去掉重復(fù)值,然后利用層次聚類對偏離度值進(jìn)行聚類,聚類數(shù)量為2,選取平均值最大的類別中的最小值作為閾值。該方法的優(yōu)點(diǎn)是可以根據(jù)數(shù)據(jù)集或數(shù)據(jù)量的不同,自動確定閾值,同時避免了重復(fù)項(xiàng)對檢測結(jié)果的干擾。

    2.2.2區(qū)間可疑度

    在篩選出候選區(qū)間后,針對攻擊群組和攻擊用戶的特征,提出了區(qū)間的可疑度的性能指標(biāo),以此檢驗(yàn)可疑群組。

    在固定的時間窗口長度內(nèi),如果該區(qū)間占用評分行為的比例大,說明該區(qū)間的用戶評分時間比較密集,該區(qū)間用戶的行為就越可疑。

    (3)

    式中,Ni,s是項(xiàng)目i評分行為序列中區(qū)間s所包含用戶的數(shù)量,Ni是對項(xiàng)目i評分的用戶數(shù)量。

    為了增強(qiáng)群組攻擊的隱蔽性,除目標(biāo)項(xiàng)目外,攻擊用戶力求和正常用戶行為相似,因此用戶之間在評分均值相似。如果每個用戶的歷史評分的均值和該用戶對區(qū)間所屬產(chǎn)品的評分相差較大,則該項(xiàng)目可能是目標(biāo)項(xiàng)目,該區(qū)間的可疑度也比較大。

    (4)

    正常用戶是通過自己對項(xiàng)目的喜好去評分,而攻擊用戶是有目的地對項(xiàng)目進(jìn)行評分,因此攻擊用戶之間具有更高的相似性,攻擊用戶的歷史評分的分布也非常相似,這里采用變異系數(shù)來衡量。通過實(shí)驗(yàn)發(fā)現(xiàn),攻擊用戶的歷史評分的變異系數(shù)比較密集,通過變異系數(shù)來衡量區(qū)間用戶變異系數(shù)的密集程度,密集程度越大,該區(qū)間就越可疑。

    (5)

    (6)

    σs,c是區(qū)間用戶評分變異系數(shù)的標(biāo)準(zhǔn)差,μs,c是區(qū)間用戶評分變異系數(shù)的均值,μc是數(shù)據(jù)集所有用戶評分變異系數(shù)的均值,σs,u,r是區(qū)間用戶歷史評分的標(biāo)準(zhǔn)差,μs,u,r是區(qū)間用戶歷史評分的均值。

    (7)

    由2.2.1和2.2.2節(jié)總結(jié)出區(qū)間可疑度的算法2,描述如下:

    算法2 計算區(qū)間可疑度

    輸入:評分行為區(qū)間集合IRBIS,聚類數(shù)k=2

    輸出:區(qū)間可疑度集合IRBIAndSuss

    1.IRBIAndSuss←?,SusDegrees←?

    6. end for

    7.SusDegrees←Set(SusDegrees)

    8. MAX_Values1,MIN_Values2←

    AgglomerativeClustering(SusDegrees,2)

    9.threshold←MIN(MAX_Values1)

    13. else

    17. end if

    18. end for

    returnIRBIAndSuss

    算法2主要包括3部分:第一部分(第1~6行)計算區(qū)間評分中值偏離度,第二部分(第7~9行)計算偏離度閾值,第三部分(第10~18行)篩選區(qū)間并計算區(qū)間可疑度。

    算法2的時間復(fù)雜度分析:計算區(qū)間評分中值偏離度(第1~6行)的時間復(fù)雜度為O(|U|2·|I|),計算偏離度閾值(第7~9行)的時間復(fù)雜度為O(|I|3),篩選區(qū)間并計算區(qū)間可疑度(第10~18行)的時間復(fù)雜度為O(|I|3),因此算法2的時間復(fù)雜度為O(|I|3)。

    2.3 攻擊群組

    2.3.1指數(shù)縮放的區(qū)間可疑度

    現(xiàn)有的對數(shù)據(jù)進(jìn)行縮放處理的方法通常是線性縮放處理,如數(shù)據(jù)歸一化處理。這種數(shù)據(jù)縮放處理方法通常在對一維數(shù)據(jù)進(jìn)行縮放處理時,通常只能同等比例地改變數(shù)據(jù)點(diǎn)之間的距離。在攻擊群組的可疑度和正常群組的可疑度相差很小時,后續(xù)的檢測方法通常很難區(qū)分這兩種不同的群組。針對數(shù)據(jù)線性縮放處理的局限性,本文提出了數(shù)據(jù)指數(shù)縮放處理的方法。該方法通過設(shè)置一個指數(shù),將可疑度作為底數(shù),計算一個新的可疑度值,在不改變數(shù)據(jù)點(diǎn)分布順序的情況下使不同的兩數(shù)據(jù)點(diǎn)之間的距離增加或減少的比例不同。該方法可以有效地擴(kuò)大攻擊群組與正常群組之間的距離,使得后續(xù)的檢測方法更容易檢測出攻擊群組。

    (8)

    在最終判定攻擊群組之前,需要對區(qū)間可疑度做縮放處理。通過指數(shù)縮放處理,在不改變可疑度值原來分布順序的情況下,讓可疑度值不同程度地增加或減小,數(shù)值越大,增加或減少的程度就越大。本文通過設(shè)定一個縮放系數(shù)x作為指數(shù)對可疑度做縮放處理。該方法彌補(bǔ)了線性縮放只能線性的擴(kuò)大數(shù)據(jù)間距的缺陷,本文取x=2.1。

    2.3.2非攻擊評分的排除

    2.3.3攻擊群組的判定

    區(qū)間可疑度越大,說明越有攻擊性,通過設(shè)定可疑度閾值,將大于該閾值的區(qū)間定位攻擊群組。采用K-means聚類自動設(shè)定閾值,由于區(qū)間可疑度值可能會有重復(fù),因此我們對可疑度值進(jìn)行去重,之后利用K-means聚類對去重后的可疑度值進(jìn)行聚類,聚類數(shù)為2,然后選取可疑度均值最大的類別中的最小值作為閾值,最后將可疑度不小于該閾值的區(qū)間判定為攻擊群組。該方法的優(yōu)點(diǎn)是閾值可以根據(jù)數(shù)據(jù)集或數(shù)據(jù)量的不同自動確定。

    由2.3.1~2.3.3節(jié)總結(jié)出判定攻擊群組的算法3,描述如下:

    算法3 判定攻擊群組

    輸入:區(qū)間可疑度集合IRBIAndSuss,系統(tǒng)評分中值rmid

    輸出:攻擊群組集合AttGs

    1.AttGs←?,SusValues←?

    rmid) then

    8. end if

    9. end for

    12. end for

    13.SusValues←set(SusValues)

    14. MAX_Values1,MIN_Values2←Kmeans(SusValues,2)

    15.threshold←MIN(MAX_Values1)

    19. end if

    20. end for

    returnAttGs

    算法3主要包括3部分:第一部分(第1~3行)通過指數(shù)縮放處理區(qū)間可疑度,第二部分(第4~9行)過濾非攻擊評分,第三部分(第13~19行)利用K-means聚類方法判定攻擊群組。

    算法3的時間復(fù)雜度分析如下:指數(shù)縮放處理區(qū)間可疑度(第1~3行)的時間復(fù)雜度為O(|U|·|I|),刪除區(qū)間評分目的不同的行為(第4~9行)的時間復(fù)雜度為O(|U|2·|I|),K-means聚類判定攻擊群組(第13~19行)的時間復(fù)雜度為O(|U|·|I|log(|U|·|I|)),因此算法3的時間復(fù)雜度為O(|U|2·|I|)。

    3 實(shí)驗(yàn)結(jié)果分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    本文使用Amazon和Netflix數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù)來檢驗(yàn)算法的性能。Amazon數(shù)據(jù)集是由電商平臺Amazon.cn提供的真實(shí)數(shù)據(jù),在該數(shù)據(jù)集中抽取了具有標(biāo)簽的5 055名用戶對17 610件產(chǎn)品的53 777條評分?jǐn)?shù)據(jù),評分范圍為1~5分,表示用戶對產(chǎn)品的滿意程度。Netflix數(shù)據(jù)集是由電影網(wǎng)站netflix.com提供的真實(shí)數(shù)據(jù),采用松散群組攻擊模型,攻擊類型為隨機(jī)攻擊和均值攻擊,攻擊規(guī)模和填充規(guī)模分別為10%和2.5%。

    3.2 評價指標(biāo)

    采用精確率J、召回率Z和F1值作為評價指標(biāo),計算公式為

    (9)

    (10)

    (11)

    式中,C表示正確檢測的攻擊用戶數(shù)量,C0表示被錯誤地當(dāng)作攻擊用戶的數(shù)量,P表示數(shù)據(jù)集中所有攻擊用戶的數(shù)量。

    3.3 對比實(shí)驗(yàn)分析

    將IRBS算法與現(xiàn)有典型的6個攻擊檢測算法CoDetector[5]、CBS[6]、DeR-TIA[8]、PCA-VarSelect[9]、IRM-TIA[10]以及URGSSGD[13]進(jìn)行對比實(shí)驗(yàn),如表2和表3所示。

    表2 Amazon數(shù)據(jù)集下算法對比Tab.2 Comparisons of algorithms on Amazon datasets

    表3 Netflix數(shù)據(jù)集下算法對比Tab.3 Comparisons of algorithms on Netflix datasets

    本文的IRBS算法根據(jù)攻擊群組對目標(biāo)項(xiàng)目評分的“時間集中”特性,對項(xiàng)目評分序列交叉劃分評分區(qū)間。該方法不僅可以直接劃分候選群組,還減少了通過序列用戶分布的密度或通過固定時間窗口非交叉劃分區(qū)間所造成的影響,提高了候選群組的質(zhì)量。另外,根據(jù)攻擊群組“對目標(biāo)項(xiàng)目評分極端”的特性、個體行為相似性等特性對候選群組進(jìn)行檢測,提高了檢測質(zhì)量。通過對比結(jié)果發(fā)現(xiàn),IRBS算法的檢測結(jié)果優(yōu)于其他幾種算法。

    4 結(jié)論

    本文提出了一種基于項(xiàng)目評分行為序列和雙聚類的群組攻擊檢測算法IRBS,與CoDetector相比,該算法不需要劃分訓(xùn)練集和測試集,更不會因?yàn)檎S脩艉凸粲脩舻谋壤箼z測結(jié)果受到影響;與CBS相比,該算法不需要事先標(biāo)記種子用戶;與URGSSGD相比,該算法不會過濾掉用戶,也不需要根據(jù)向量是否符合正態(tài)分布去檢測異常向量;與PCA-VarSelect相比,能夠更有效地檢測攻擊群組;與DeR-TIA相比,不會受限于用戶之間共同評分項(xiàng)目數(shù)量,而是根據(jù)攻擊群組的“時間集中”和“評分極端”特性檢測攻擊群組;與IRM-TIA相比,不會損失用戶信息從而影響檢測性能。

    IRBS算法根據(jù)攻擊群組的“時間集中性”“目標(biāo)項(xiàng)目評分極端性”“同一群組中攻擊用戶個體特征相似性”以及雙聚類不斷對群組進(jìn)行檢測和篩選,從而確定攻擊群組。通過對Amazon數(shù)據(jù)集和Netflix數(shù)據(jù)集的檢測驗(yàn)證了該算法的有效性。

    雖然該方法可以有效地檢測攻擊群組,但仍然需要人工提取特征,而人工提取的特征會使得特征覆蓋不全面,從而影響檢測結(jié)果。因此在未來工作中,擬采用生成對抗網(wǎng)絡(luò)不斷自動提高生成網(wǎng)絡(luò)的生成能力和對抗網(wǎng)絡(luò)的檢測能力,從而在訓(xùn)練過程中自動提取特征來提高檢測效果。

    猜你喜歡
    群組復(fù)雜度區(qū)間
    解兩類含參數(shù)的復(fù)合不等式有解與恒成立問題
    你學(xué)會“區(qū)間測速”了嗎
    一種低復(fù)雜度的慣性/GNSS矢量深組合方法
    關(guān)系圖特征在敏感群組挖掘中的應(yīng)用研究
    電子測試(2018年14期)2018-09-26 06:04:10
    求圖上廣探樹的時間復(fù)雜度
    區(qū)間對象族的可鎮(zhèn)定性分析
    某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
    基于統(tǒng)計模型的空間群組目標(biāo)空間位置計算研究
    出口技術(shù)復(fù)雜度研究回顧與評述
    群組聊天業(yè)務(wù)在IMS客戶端的設(shè)計與實(shí)現(xiàn)
    国产美女午夜福利| 中文字幕av在线有码专区| 久9热在线精品视频| 国产精品嫩草影院av在线观看 | 狂野欧美激情性xxxx| 免费看十八禁软件| 国产精品爽爽va在线观看网站| 在线观看一区二区三区| 12—13女人毛片做爰片一| 久久久久免费精品人妻一区二区| 99热这里只有是精品50| 首页视频小说图片口味搜索| 俺也久久电影网| 亚洲性夜色夜夜综合| 久久亚洲精品不卡| 男女午夜视频在线观看| 国产精品综合久久久久久久免费| 一个人看的www免费观看视频| 国产精品乱码一区二三区的特点| 国内精品久久久久精免费| 中出人妻视频一区二区| 精品欧美国产一区二区三| 日本a在线网址| 我要搜黄色片| 免费高清视频大片| 变态另类丝袜制服| 一二三四社区在线视频社区8| 搡女人真爽免费视频火全软件 | 熟女电影av网| 亚洲一区二区三区色噜噜| 国产高清视频在线播放一区| 十八禁网站免费在线| 香蕉av资源在线| 欧美日本亚洲视频在线播放| 午夜影院日韩av| 免费看a级黄色片| 最好的美女福利视频网| 日韩精品青青久久久久久| 亚洲专区中文字幕在线| 三级国产精品欧美在线观看| 午夜福利在线观看免费完整高清在 | 日韩欧美在线乱码| 精品久久久久久久人妻蜜臀av| 窝窝影院91人妻| 欧美一级a爱片免费观看看| 99热这里只有精品一区| 精品久久久久久成人av| 成人鲁丝片一二三区免费| 久久久国产成人精品二区| 欧美成人免费av一区二区三区| 国产精品永久免费网站| 校园春色视频在线观看| 老司机福利观看| 黄色丝袜av网址大全| 中文字幕人妻熟人妻熟丝袜美 | 97碰自拍视频| 欧美一区二区精品小视频在线| 在线观看av片永久免费下载| 嫩草影视91久久| 亚洲精品在线观看二区| 成人国产一区最新在线观看| 三级国产精品欧美在线观看| 欧美最新免费一区二区三区 | 18禁黄网站禁片午夜丰满| 久9热在线精品视频| 精品欧美国产一区二区三| 黄色片一级片一级黄色片| 最新在线观看一区二区三区| 久久精品国产99精品国产亚洲性色| 欧美色欧美亚洲另类二区| 国产欧美日韩一区二区精品| 国产精品美女特级片免费视频播放器| 亚洲人成电影免费在线| 日本黄色片子视频| 欧美中文日本在线观看视频| 99精品久久久久人妻精品| 亚洲av熟女| 俺也久久电影网| 亚洲av免费高清在线观看| 久久午夜亚洲精品久久| 国产真实乱freesex| 99热6这里只有精品| 欧美色欧美亚洲另类二区| 亚洲一区高清亚洲精品| 成年女人毛片免费观看观看9| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产成人系列免费观看| 亚洲国产精品999在线| 亚洲成人精品中文字幕电影| 97人妻精品一区二区三区麻豆| 亚洲精品一区av在线观看| 欧美日本亚洲视频在线播放| eeuss影院久久| 国产精品免费一区二区三区在线| 长腿黑丝高跟| 亚洲av成人av| 国产精品女同一区二区软件 | 看片在线看免费视频| 一本综合久久免费| 亚洲国产精品合色在线| 国产毛片a区久久久久| 国产精品乱码一区二三区的特点| 无限看片的www在线观看| 在线十欧美十亚洲十日本专区| 老熟妇乱子伦视频在线观看| 日本黄色视频三级网站网址| 欧美一区二区精品小视频在线| 亚洲专区中文字幕在线| 国产男靠女视频免费网站| 国产主播在线观看一区二区| 热99在线观看视频| 免费av毛片视频| 哪里可以看免费的av片| 亚洲精品粉嫩美女一区| 香蕉丝袜av| 欧美日韩乱码在线| 亚洲七黄色美女视频| 欧美日韩中文字幕国产精品一区二区三区| 欧美成人性av电影在线观看| 老鸭窝网址在线观看| 久久久久九九精品影院| 一进一出抽搐动态| xxxwww97欧美| 99久久综合精品五月天人人| 黄色视频,在线免费观看| 亚洲av第一区精品v没综合| 在线观看午夜福利视频| 亚洲精华国产精华精| 男人和女人高潮做爰伦理| 免费观看的影片在线观看| 99精品久久久久人妻精品| 亚洲一区高清亚洲精品| 精品久久久久久久久久久久久| 亚洲欧美日韩高清在线视频| av专区在线播放| 中文资源天堂在线| 亚洲国产精品合色在线| 亚洲av二区三区四区| 搞女人的毛片| 激情在线观看视频在线高清| 99视频精品全部免费 在线| 小说图片视频综合网站| 身体一侧抽搐| av在线蜜桃| 欧美又色又爽又黄视频| 成人av一区二区三区在线看| 1000部很黄的大片| 久久人人精品亚洲av| 国产蜜桃级精品一区二区三区| 18禁国产床啪视频网站| 床上黄色一级片| 免费观看人在逋| 国产精品久久久久久人妻精品电影| 日韩欧美精品免费久久 | 成人午夜高清在线视频| 欧美黑人巨大hd| 午夜免费激情av| 日韩有码中文字幕| 少妇的丰满在线观看| 中文字幕人妻熟人妻熟丝袜美 | 草草在线视频免费看| 亚洲熟妇熟女久久| 欧美性感艳星| 男人的好看免费观看在线视频| 麻豆国产av国片精品| 午夜激情欧美在线| 老司机福利观看| 国产高清videossex| 人人妻人人看人人澡| 国产乱人伦免费视频| 日韩欧美国产一区二区入口| 亚洲国产精品999在线| 十八禁网站免费在线| 午夜亚洲福利在线播放| 免费观看的影片在线观看| 女人被狂操c到高潮| 真实男女啪啪啪动态图| 国产午夜精品论理片| 亚洲 欧美 日韩 在线 免费| 精品久久久久久,| 欧美黑人欧美精品刺激| 在线观看美女被高潮喷水网站 | 成人国产一区最新在线观看| 日本与韩国留学比较| 日韩欧美一区二区三区在线观看| 女生性感内裤真人,穿戴方法视频| 最后的刺客免费高清国语| 亚洲人成电影免费在线| 国产精品久久电影中文字幕| 免费人成在线观看视频色| 在线十欧美十亚洲十日本专区| 三级国产精品欧美在线观看| eeuss影院久久| www.色视频.com| 中文字幕熟女人妻在线| 欧美激情在线99| 欧美色欧美亚洲另类二区| 欧美大码av| 岛国在线观看网站| 老熟妇仑乱视频hdxx| 搡老岳熟女国产| 久久久久久久午夜电影| 午夜免费激情av| 91麻豆av在线| 91在线观看av| 日韩欧美 国产精品| 国产免费av片在线观看野外av| 日韩欧美免费精品| 国产精品美女特级片免费视频播放器| 最近最新中文字幕大全电影3| 成人永久免费在线观看视频| 亚洲 欧美 日韩 在线 免费| 少妇丰满av| 综合色av麻豆| 精品欧美国产一区二区三| 日本在线视频免费播放| 久久精品国产亚洲av涩爱 | 麻豆成人午夜福利视频| 国产久久久一区二区三区| 亚洲国产欧美网| 国产乱人视频| 亚洲av美国av| 欧美xxxx黑人xx丫x性爽| 欧美黄色淫秽网站| 国产亚洲精品av在线| 亚洲一区二区三区色噜噜| 一区福利在线观看| 国产黄色小视频在线观看| 国产成人aa在线观看| 丁香六月欧美| 亚洲熟妇中文字幕五十中出| 亚洲av第一区精品v没综合| 老司机午夜十八禁免费视频| 成人欧美大片| 国产99白浆流出| 午夜免费观看网址| 午夜福利免费观看在线| 99精品久久久久人妻精品| 亚洲av成人精品一区久久| 国产老妇女一区| 黄色女人牲交| 亚洲精华国产精华精| 国产v大片淫在线免费观看| 成人高潮视频无遮挡免费网站| 午夜a级毛片| 18禁美女被吸乳视频| 日本黄色片子视频| 国产成+人综合+亚洲专区| 亚洲欧美日韩无卡精品| 久久精品综合一区二区三区| 免费观看的影片在线观看| 亚洲天堂国产精品一区在线| 国产精品99久久99久久久不卡| 在线视频色国产色| av在线天堂中文字幕| 国产美女午夜福利| 亚洲av中文字字幕乱码综合| 国产精品综合久久久久久久免费| 91麻豆精品激情在线观看国产| 亚洲国产精品成人综合色| 校园春色视频在线观看| 亚洲av五月六月丁香网| 国内揄拍国产精品人妻在线| 91在线精品国自产拍蜜月 | 免费在线观看影片大全网站| 一二三四社区在线视频社区8| 国产精华一区二区三区| svipshipincom国产片| 欧美日韩综合久久久久久 | 99riav亚洲国产免费| 亚洲人成网站在线播| 少妇熟女aⅴ在线视频| 日韩 欧美 亚洲 中文字幕| 久久亚洲真实| 国内久久婷婷六月综合欲色啪| 国产精品国产高清国产av| 亚洲国产精品999在线| 久久精品91蜜桃| 亚洲精品在线观看二区| 丰满乱子伦码专区| 少妇人妻精品综合一区二区 | 国产高清激情床上av| 一个人免费在线观看电影| 国产成人欧美在线观看| 日韩精品中文字幕看吧| www日本黄色视频网| 色播亚洲综合网| 欧美另类亚洲清纯唯美| 国产毛片a区久久久久| 男女下面进入的视频免费午夜| 天天躁日日操中文字幕| 国产av一区在线观看免费| 日本成人三级电影网站| 97超视频在线观看视频| 最近在线观看免费完整版| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产69精品久久久久777片| 亚洲国产欧美网| 亚洲国产精品sss在线观看| av视频在线观看入口| 亚洲人成电影免费在线| 亚洲av电影不卡..在线观看| 久久久久免费精品人妻一区二区| 好男人电影高清在线观看| 国产精品久久久人人做人人爽| 俄罗斯特黄特色一大片| 午夜激情福利司机影院| 夜夜夜夜夜久久久久| 一本精品99久久精品77| 欧美3d第一页| 免费看十八禁软件| 麻豆一二三区av精品| 最新在线观看一区二区三区| 精品久久久久久成人av| 黄色成人免费大全| 亚洲激情在线av| 久久精品91无色码中文字幕| 中文在线观看免费www的网站| 国语自产精品视频在线第100页| 国产真人三级小视频在线观看| 免费搜索国产男女视频| 精品99又大又爽又粗少妇毛片 | 久久久久久国产a免费观看| 国产精品美女特级片免费视频播放器| 精品一区二区三区av网在线观看| 国产亚洲精品久久久久久毛片| 国产免费av片在线观看野外av| 亚洲五月婷婷丁香| 精品国内亚洲2022精品成人| 成人av一区二区三区在线看| 亚洲精品国产精品久久久不卡| 精品无人区乱码1区二区| 久久精品亚洲精品国产色婷小说| 美女大奶头视频| 日韩av在线大香蕉| av黄色大香蕉| 每晚都被弄得嗷嗷叫到高潮| 成人特级av手机在线观看| 国产97色在线日韩免费| 伊人久久精品亚洲午夜| 久久精品夜夜夜夜夜久久蜜豆| 丝袜美腿在线中文| 国产av一区在线观看免费| 非洲黑人性xxxx精品又粗又长| 国产色婷婷99| 亚洲中文字幕一区二区三区有码在线看| 国产精品三级大全| 亚洲欧美激情综合另类| 日本熟妇午夜| 搡女人真爽免费视频火全软件 | 中文字幕人妻丝袜一区二区| 国产精品嫩草影院av在线观看 | 成人av一区二区三区在线看| 哪里可以看免费的av片| 亚洲欧美日韩高清专用| 日日摸夜夜添夜夜添小说| 在线视频色国产色| 午夜福利在线观看吧| 黄色欧美视频在线观看| 国产精品国产三级专区第一集| 69人妻影院| 又爽又黄a免费视频| 一区二区三区高清视频在线| 丰满乱子伦码专区| 99热全是精品| 大香蕉久久网| 国产精品av视频在线免费观看| 性色avwww在线观看| av专区在线播放| 国产三级在线视频| 欧美zozozo另类| 国产色爽女视频免费观看| 国产老妇女一区| 国产av不卡久久| 午夜激情福利司机影院| 国产成人一区二区在线| 国产不卡一卡二| 久久国内精品自在自线图片| 久久这里有精品视频免费| 纵有疾风起免费观看全集完整版 | 18禁裸乳无遮挡免费网站照片| 国产 一区 欧美 日韩| 久久热精品热| av在线播放精品| 国产成人精品一,二区| 我的老师免费观看完整版| 97在线视频观看| 欧美日韩亚洲高清精品| 精品国产露脸久久av麻豆 | 大香蕉97超碰在线| 国产欧美日韩精品一区二区| 亚洲精品久久久久久婷婷小说| 欧美zozozo另类| 青春草视频在线免费观看| 永久网站在线| 国产亚洲最大av| 欧美 日韩 精品 国产| 亚洲成色77777| 久久人人爽人人爽人人片va| 亚洲人与动物交配视频| 看免费成人av毛片| 色综合亚洲欧美另类图片| 国产片特级美女逼逼视频| 国产成人一区二区在线| 免费播放大片免费观看视频在线观看| 卡戴珊不雅视频在线播放| 日本一本二区三区精品| 久久久久久九九精品二区国产| 亚洲精品国产成人久久av| 极品教师在线视频| 国产精品1区2区在线观看.| 777米奇影视久久| 日本黄色片子视频| 熟女电影av网| 91久久精品国产一区二区三区| 成人亚洲精品av一区二区| 永久免费av网站大全| 久久精品久久精品一区二区三区| 在线观看人妻少妇| 亚洲精品aⅴ在线观看| 夫妻午夜视频| 久久草成人影院| 永久网站在线| 少妇猛男粗大的猛烈进出视频 | 99热全是精品| 看免费成人av毛片| 久久久国产一区二区| 国产一级毛片在线| 国产精品一区二区性色av| 日日干狠狠操夜夜爽| 亚洲在线自拍视频| 自拍偷自拍亚洲精品老妇| 午夜免费激情av| 在线播放无遮挡| 亚洲av男天堂| 国产中年淑女户外野战色| 午夜福利在线观看免费完整高清在| 成人午夜高清在线视频| 成年女人在线观看亚洲视频 | 中文字幕av成人在线电影| 一个人观看的视频www高清免费观看| 美女国产视频在线观看| 久99久视频精品免费| 久久久久免费精品人妻一区二区| 亚洲一级一片aⅴ在线观看| 国产亚洲一区二区精品| 亚洲国产高清在线一区二区三| 亚洲欧美日韩卡通动漫| 免费观看精品视频网站| 亚洲国产精品sss在线观看| 久久久久九九精品影院| av在线亚洲专区| xxx大片免费视频| 亚洲美女搞黄在线观看| 日韩欧美 国产精品| 一级毛片我不卡| 高清毛片免费看| 亚洲av日韩在线播放| 91在线精品国自产拍蜜月| 国产欧美日韩精品一区二区| 99久久精品热视频| 国产片特级美女逼逼视频| 亚洲色图av天堂| 国产精品女同一区二区软件| 中文在线观看免费www的网站| 亚洲精品日韩av片在线观看| 麻豆成人午夜福利视频| 免费无遮挡裸体视频| 嫩草影院精品99| 国产探花在线观看一区二区| 免费av毛片视频| 啦啦啦啦在线视频资源| 国产熟女欧美一区二区| 最近中文字幕高清免费大全6| 亚洲av中文字字幕乱码综合| 国产精品一及| 日本黄色片子视频| 亚洲精品亚洲一区二区| 久久久久九九精品影院| 日韩一区二区视频免费看| 日产精品乱码卡一卡2卡三| 国产精品嫩草影院av在线观看| 欧美最新免费一区二区三区| 国产黄色小视频在线观看| 一级毛片aaaaaa免费看小| 国产成年人精品一区二区| 欧美高清性xxxxhd video| 亚洲自拍偷在线| 欧美xxxx性猛交bbbb| 三级国产精品欧美在线观看| av卡一久久| 成年版毛片免费区| 99九九线精品视频在线观看视频| 中文字幕久久专区| 国产欧美另类精品又又久久亚洲欧美| 免费黄网站久久成人精品| 哪个播放器可以免费观看大片| 日韩一区二区三区影片| 久久久久久九九精品二区国产| 美女cb高潮喷水在线观看| 三级男女做爰猛烈吃奶摸视频| 一二三四中文在线观看免费高清| 国产伦一二天堂av在线观看| 色哟哟·www| 国产色婷婷99| 97超视频在线观看视频| 亚洲美女搞黄在线观看| eeuss影院久久| 婷婷色av中文字幕| 亚洲欧美精品专区久久| 亚洲欧美中文字幕日韩二区| 在线天堂最新版资源| 国产精品久久久久久av不卡| 久久精品国产亚洲av涩爱| 久久久成人免费电影| 国产v大片淫在线免费观看| 亚洲自拍偷在线| 国产69精品久久久久777片| 欧美精品一区二区大全| 久久久久网色| 寂寞人妻少妇视频99o| 久久久色成人| 精品国产一区二区三区久久久樱花 | av免费观看日本| 久久精品久久久久久久性| 久久99精品国语久久久| 水蜜桃什么品种好| 国产乱人视频| 久久久久精品性色| 1000部很黄的大片| 亚洲精品日本国产第一区| 国产午夜福利久久久久久| 插阴视频在线观看视频| 成人亚洲欧美一区二区av| av国产久精品久网站免费入址| 老司机影院毛片| 亚洲国产最新在线播放| 国产精品.久久久| 卡戴珊不雅视频在线播放| 亚洲欧美日韩东京热| 一个人免费在线观看电影| 特级一级黄色大片| 一级毛片久久久久久久久女| 日韩成人伦理影院| 亚洲av电影在线观看一区二区三区 | 水蜜桃什么品种好| 91久久精品电影网| 国产老妇伦熟女老妇高清| 99视频精品全部免费 在线| 日韩欧美精品免费久久| 全区人妻精品视频| 久久国内精品自在自线图片| 国产免费福利视频在线观看| 日本欧美国产在线视频| 精品一区二区三区人妻视频| 成人av在线播放网站| 亚洲精品亚洲一区二区| 免费在线观看成人毛片| 免费看a级黄色片| 男人狂女人下面高潮的视频| 婷婷色综合大香蕉| 97精品久久久久久久久久精品| 22中文网久久字幕| 午夜激情福利司机影院| 久久久午夜欧美精品| 99久国产av精品| 日韩欧美精品v在线| 乱系列少妇在线播放| 国产毛片a区久久久久| 视频中文字幕在线观看| 中文资源天堂在线| 色吧在线观看| 国产v大片淫在线免费观看| 26uuu在线亚洲综合色| 亚洲美女搞黄在线观看| 亚洲av男天堂| 青春草视频在线免费观看| 有码 亚洲区| 国产午夜精品一二区理论片| 成人漫画全彩无遮挡| 色5月婷婷丁香| av在线播放精品| 国产高清不卡午夜福利| 大香蕉97超碰在线| 91久久精品电影网| 免费黄色在线免费观看| 午夜日本视频在线| 日本黄色片子视频| 3wmmmm亚洲av在线观看| 别揉我奶头 嗯啊视频| 免费不卡的大黄色大毛片视频在线观看 | 少妇熟女aⅴ在线视频| 欧美成人a在线观看| 精品国产露脸久久av麻豆 | 夜夜爽夜夜爽视频| 男女边吃奶边做爰视频| 亚洲欧美成人精品一区二区| 最近中文字幕高清免费大全6| 白带黄色成豆腐渣| 午夜福利视频1000在线观看| av网站免费在线观看视频 | 国产成人午夜福利电影在线观看| 舔av片在线| 亚洲最大成人中文| 91精品伊人久久大香线蕉| 一级毛片黄色毛片免费观看视频| 成年人午夜在线观看视频 | 欧美性猛交╳xxx乱大交人| 亚洲欧美日韩东京热| 91久久精品国产一区二区成人| 熟女电影av网| 熟女人妻精品中文字幕| 自拍偷自拍亚洲精品老妇| 狠狠精品人妻久久久久久综合| 菩萨蛮人人尽说江南好唐韦庄|