• <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 ?

    基于深度學(xué)習(xí)的威脅情報(bào)信息抽取研究

    2021-08-06 05:24:16孫天放
    現(xiàn)代計(jì)算機(jī) 2021年16期
    關(guān)鍵詞:命名情報(bào)語(yǔ)料庫(kù)

    孫天放

    (四川大學(xué)網(wǎng)絡(luò)空間安全學(xué)院,成都610065)

    0 引言

    近年來(lái),網(wǎng)絡(luò)攻擊在數(shù)量和復(fù)雜度上都呈現(xiàn)了迅速增長(zhǎng)的趨勢(shì)。信息系統(tǒng)越來(lái)越多地暴露于各種安全威脅之下,這些威脅需要網(wǎng)絡(luò)安全從業(yè)人員的持續(xù)關(guān)注,為了更有效地促進(jìn)安全信息共享,2013年,Gartner提出了威脅情報(bào)(Threat Intelligence,TI)的概念[1],“威脅情報(bào)是基于證據(jù)的知識(shí),包括場(chǎng)景、機(jī)制、指標(biāo)、含義和可操作的建議,這些知識(shí)是關(guān)于現(xiàn)存的、或者即將出現(xiàn)的、針對(duì)資產(chǎn)的威脅或危險(xiǎn),可為主體響應(yīng)相關(guān)威脅或危險(xiǎn)提供決策信息?!庇纱丝芍?,威脅情報(bào)包含了關(guān)于當(dāng)前或即將到來(lái)的網(wǎng)絡(luò)安全威脅的各種詳細(xì)信息,這可以幫助企業(yè)或組織實(shí)施針對(duì)網(wǎng)絡(luò)安全威脅的主動(dòng)網(wǎng)絡(luò)防御。目前,只有少數(shù)安全公司提供標(biāo)準(zhǔn)化結(jié)構(gòu)化的威脅情報(bào),安全人員和機(jī)構(gòu)很難獲取大量的威脅信息,CleanMX[2]和PhishTanks[3]等社區(qū)雖然在其平臺(tái)上發(fā)布了充足的威脅情報(bào),但僅包含惡意URL、IP等少量威脅信息,無(wú)法應(yīng)用于網(wǎng)絡(luò)安全態(tài)勢(shì)感知系統(tǒng)或其他防御機(jī)制。從開源的互聯(lián)網(wǎng)文章或報(bào)告中有效抽取威脅情報(bào)信息,并將其轉(zhuǎn)換為標(biāo)準(zhǔn)化、結(jié)構(gòu)化的形式,對(duì)網(wǎng)絡(luò)安全研究有著非常重要的意義與實(shí)際應(yīng)用價(jià)值。威脅情報(bào)信息抽取的兩個(gè)主要任務(wù)是命名實(shí)體識(shí)別(Named Entity Recognition,NER)和關(guān)系抽取(Relationship Extraction,RE)。命名實(shí)體識(shí)別是許多任務(wù)的基礎(chǔ)方法,廣泛應(yīng)用于信息抽取、語(yǔ)義分析、信息檢索、知識(shí)圖譜等多個(gè)領(lǐng)域。實(shí)體包含通用性實(shí)體,如地名、人名,也可以是針對(duì)特定領(lǐng)域的專業(yè)性實(shí)體,如漏洞、攻擊技巧、惡意軟件等網(wǎng)絡(luò)安全領(lǐng)域的實(shí)體名稱。目前,主流的網(wǎng)絡(luò)分析工具都依賴于特征工程識(shí)別實(shí)體,專業(yè)性實(shí)體需要針對(duì)性的特征進(jìn)行識(shí)別,圖1是一段網(wǎng)絡(luò)威脅情報(bào)描述,其中標(biāo)注了威脅情報(bào)領(lǐng)域的一些實(shí)體。而關(guān)系抽取的目的是從非結(jié)構(gòu)化的文本中抽取相關(guān)實(shí)體的關(guān)系,并將這些關(guān)系表示為具有“主語(yǔ),謂語(yǔ),賓語(yǔ)”的固定形式的三元組。例如,在圖1的威脅情報(bào)描述中,可以提取三元組(APT40,make_use_of,AIRBREAK),和相應(yīng)的關(guān)系類型(Group,MakeUseOf,Software)。

    圖1 威脅情報(bào)中的實(shí)體及其關(guān)系示例

    過(guò)去的研究表明,現(xiàn)有的模型無(wú)法很好地抽取與網(wǎng)絡(luò)安全相關(guān)的實(shí)體及其關(guān)系[4]。雖然傳統(tǒng)的基于統(tǒng)計(jì)的信息抽取方法在通用領(lǐng)域可以取得較好的效果,但是該方法嚴(yán)重依賴特征工程,給在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用帶來(lái)了一些局限性。首先,該方法很大程度上依賴于該領(lǐng)域人員的經(jīng)驗(yàn),并且需要漫長(zhǎng)的試錯(cuò)與訓(xùn)練過(guò)程;其次,特征工程的維護(hù)與更新需要耗費(fèi)大量的人力物力,特別是在網(wǎng)絡(luò)安全這種高活躍度的領(lǐng)域。近年來(lái),神經(jīng)網(wǎng)絡(luò)得到了廣泛應(yīng)用,這種模型可以自主學(xué)習(xí)非線性的特征組合,以避免進(jìn)行耗時(shí)費(fèi)力的特征工程。其中,遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)在自然語(yǔ)言處理(Natural Language Processing,NLP)領(lǐng)域取得了良好的效果[5]。而在實(shí)踐中,長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory neural network,LSTM)作為RNN的變體,已經(jīng)成為使用深度學(xué)習(xí)方法進(jìn)行文本處理的重要手段,該模型解決了RNN的長(zhǎng)期依賴性學(xué)習(xí)的問(wèn)題。

    本文的主要貢獻(xiàn)是評(píng)估了LSTM模型在威脅情報(bào)領(lǐng)域中進(jìn)行信息抽取任務(wù)的能力,并提出了基于神經(jīng)網(wǎng)絡(luò)模型的威脅情報(bào)信息抽取方法(Threat Intelligence Information Extraction based on deep learning,TIIE)。在命名實(shí)體識(shí)別任務(wù)中,比較了基于LSTM的模型和基于特征工程的條件隨機(jī)場(chǎng)(Conditional Random Fields,CRF)模型在威脅情報(bào)領(lǐng)域的表現(xiàn),在關(guān)系抽取任務(wù)中,比較了基于最短依賴路徑(Shortest Dependency Path,SDP)的LSTM模型和基于序列和樹結(jié)構(gòu)的LSTM模型的表現(xiàn)。

    1 相關(guān)研究工作

    在網(wǎng)絡(luò)安全領(lǐng)域,提取威脅情報(bào)實(shí)體及其關(guān)系的方法多種多樣。Joshi等人[6]提出了從異構(gòu)數(shù)據(jù)源中識(shí)別實(shí)體和相關(guān)概念的方法,使用最大熵模型(Maximum Entropy Model,MEM),并在標(biāo)記好的語(yǔ)料庫(kù)中訓(xùn)練該模型,訓(xùn)練語(yǔ)料庫(kù)經(jīng)過(guò)復(fù)雜的人工標(biāo)注,包含約5萬(wàn)個(gè)標(biāo)簽,其模型實(shí)現(xiàn)的準(zhǔn)確率為0.799,F(xiàn)1得分為0.75。為了自動(dòng)構(gòu)建訓(xùn)練語(yǔ)料庫(kù),Bridges等人[7]利用國(guó)家漏洞數(shù)據(jù)庫(kù)中的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)了自動(dòng)標(biāo)注文本的算法,用更靈活的特征工程構(gòu)建工具,創(chuàng)建了一個(gè)包含大約750000個(gè)標(biāo)注標(biāo)簽的語(yǔ)料庫(kù),并使用感知機(jī)算法,該算法已經(jīng)被證明比最大似然估計(jì)方法效果更好。與Joshi等人的工作相比,Bridges等人的訓(xùn)練語(yǔ)料庫(kù)更大,其實(shí)現(xiàn)的準(zhǔn)確率為0.963,F(xiàn)1得分為0.965。但是,他們的語(yǔ)料庫(kù)不像Joshi等人的語(yǔ)料庫(kù)那么多樣化,這在一定程度上也影響了實(shí)驗(yàn)結(jié)果。Mulwad等人[8]使用了一種支持向量機(jī)(Support Vector Machine,SVM)分類器將威脅情報(bào)信息與不相關(guān)的內(nèi)容進(jìn)行區(qū)分,分類器使用計(jì)算機(jī)安全分類法來(lái)標(biāo)注網(wǎng)絡(luò)安全領(lǐng)域的實(shí)體,使用平均精度作為模型性能的衡量標(biāo)準(zhǔn),最終達(dá)到了0.8的平均準(zhǔn)確率。Jones等人[9]提出了一個(gè)基于bootstrapping算法的識(shí)別方法,只需要很少的輸入數(shù)據(jù),包括很少的關(guān)系樣本及其類型,就可以從文本中提取安全實(shí)體及其之間的關(guān)系,該模型在其語(yǔ)料庫(kù)上的測(cè)試精度為0.82。

    在最近的研究中,神經(jīng)網(wǎng)絡(luò)開始逐漸替代傳統(tǒng)統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法,深度學(xué)習(xí)解決了傳統(tǒng)機(jī)器學(xué)習(xí)方法的許多缺點(diǎn)[10]。一方面,基于神經(jīng)網(wǎng)絡(luò)模型的方法可以自動(dòng)學(xué)習(xí)特征,這大大減少了網(wǎng)絡(luò)安全領(lǐng)域中的人工成本和時(shí)間成本。此外,在各個(gè)領(lǐng)域的研究結(jié)果都表明,神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的特征在準(zhǔn)確性方面優(yōu)于人工生成的特征。另一方面,RNN已經(jīng)被證明具有較長(zhǎng)的記憶能力,可以處理可變長(zhǎng)度的輸入,這給自然語(yǔ)言處理任務(wù)的效果帶來(lái)了極大改善。LSTM則進(jìn)一步提高了RNN的性能,并支持在任意遠(yuǎn)程依賴之間進(jìn)行學(xué)習(xí),通過(guò)適當(dāng)?shù)拇笳Z(yǔ)料庫(kù)注釋,可以為傳統(tǒng)機(jī)器學(xué)習(xí)方法提供一個(gè)可行的替代方案。

    2 威脅情報(bào)信息抽取方法

    威脅情報(bào)信息抽取包括命名實(shí)體識(shí)別和關(guān)系抽取兩個(gè)子任務(wù),本文提出的TIIE方法以LSTM神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ),包含了基于LSTM-CRF模型的命名實(shí)體識(shí)別方法和基于LSTM-SDP的關(guān)系抽取方法。一方面,本文將Lample等人[11]提出的深度學(xué)習(xí)模型應(yīng)用于威脅情報(bào)命名實(shí)體識(shí)別領(lǐng)域。該方法是LSTM、CRF和詞嵌入方法的組合,該方法實(shí)驗(yàn)用的語(yǔ)料庫(kù)帶有網(wǎng)絡(luò)安全領(lǐng)域的命名實(shí)體標(biāo)注,數(shù)據(jù)集中每一個(gè)單詞都帶有實(shí)體類別標(biāo)簽。對(duì)于關(guān)系抽取任務(wù),本文根據(jù)威脅情報(bào)文本特點(diǎn),優(yōu)化了Yan Xu等人[12]提出的基于最短依賴路徑的LSTM模型,這種神經(jīng)結(jié)構(gòu)利用了一個(gè)句子中兩個(gè)實(shí)體之間的最短依賴路徑,保留了關(guān)系分類所需的相關(guān)信息,并消除了句子中不重要的單詞。

    2.1 長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)模型

    LSTM是一種經(jīng)典的遞歸神經(jīng)網(wǎng)絡(luò)模型,它能夠檢測(cè)和學(xué)習(xí)輸入數(shù)據(jù)序列中的模式,其中,數(shù)據(jù)序列可以是時(shí)間序列、自然語(yǔ)言文本,也可以是語(yǔ)音、基因組等。遞歸神經(jīng)網(wǎng)絡(luò)可以將當(dāng)前輸入(例如,文本中的當(dāng)前單詞)與上一個(gè)輸入(例如,文本中的前一個(gè)單詞)中學(xué)到的知識(shí)結(jié)合起來(lái),然而RNN雖然在短序列中表現(xiàn)良好,但當(dāng)處理的序列變得過(guò)長(zhǎng)時(shí),它會(huì)遇到梯度下降甚至消失的問(wèn)題,當(dāng)模型參數(shù)數(shù)量變多時(shí),訓(xùn)練RNN的難度顯著提高。

    LSTM模型則可以解決長(zhǎng)期依賴學(xué)習(xí)的問(wèn)題,它引入了內(nèi)存單元的概念,如圖2所示,它在內(nèi)存中隨時(shí)間保持長(zhǎng)期依賴狀態(tài)。LSTM結(jié)構(gòu)單元由一個(gè)Sigmoid神經(jīng)網(wǎng)絡(luò)層和一個(gè)點(diǎn)陣乘法運(yùn)算組成,LSTM單元內(nèi)的門(gate)選擇性地讓信息通過(guò)。其中,i代表輸入門,f代表忘記門,o代表輸出門,σ代表Sigmoid神經(jīng)網(wǎng)絡(luò)層,W和b分別代表權(quán)重和Sigmoid層的常數(shù),C代表神經(jīng)細(xì)胞狀態(tài)。LSTM單元的運(yùn)算過(guò)程如下:

    圖2 LSTM神經(jīng)網(wǎng)絡(luò)單元結(jié)構(gòu)圖

    ft=σ(Wf·[ht-1,xt]+bf)

    (1)

    it=σ(Wi·[ht-1,xt]+bi)

    (2)

    (3)

    (4)

    ot=σ(wo[ht-1,xt]+bo)

    (5)

    ht=ot·tanh(Ct)

    (6)

    2.2 基于LSTM-CRF的命名實(shí)體識(shí)別方法

    本節(jié)主要介紹了基于LSTM-CRF模型的命名實(shí)體識(shí)別方法,該方法的體系結(jié)構(gòu)如圖3所示。

    圖3 長(zhǎng)短時(shí)記憶-條件隨機(jī)場(chǎng)模型結(jié)構(gòu)圖

    該方法包括三層結(jié)構(gòu)。第一層是底部的輸入層,輸入單詞序列w1,w2,… ,wt,word2vec神經(jīng)網(wǎng)絡(luò)會(huì)將每個(gè)單詞轉(zhuǎn)換為對(duì)應(yīng)的向量xt,得到的詞向量序列x1,x2,… ,xn則被送入下一層,即雙向LSTM層。雙向LSTM層對(duì)輸入的向量進(jìn)行訓(xùn)練,并將輸出傳遞給最后一層,即CRF算法層。在CRF算法層產(chǎn)生神經(jīng)網(wǎng)絡(luò)的最終輸出,預(yù)測(cè)單詞對(duì)應(yīng)的概率最高的實(shí)體類別標(biāo)簽。

    該方法的雙向LSTM層由兩部分組成,正向LSTM從序列起點(diǎn)開始讀取輸入并向后移動(dòng),反向LSTM從序列的末尾開始讀取輸入并向前移動(dòng)。正向LSTM基于當(dāng)前詞語(yǔ)t計(jì)算其左側(cè)的文本信息lht,反向LSTM基于當(dāng)前詞語(yǔ)t計(jì)算其右側(cè)的文本信息rht,最后,結(jié)合左右兩側(cè)的文本信息得到輸出結(jié)果,即ht=[lht;rht]。多項(xiàng)研究表明,雙向LSTM結(jié)構(gòu)在命名實(shí)體識(shí)別任務(wù)中被證實(shí)有效。

    2.3 基于LSTM-SDP的關(guān)系抽取方法

    基于最短依賴路徑的長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)模型的體系結(jié)構(gòu)如圖4所示。首先,使用Stanford解析器對(duì)句子進(jìn)行解析,并生成依賴樹。其次,抽取最短依賴路徑作為神經(jīng)網(wǎng)絡(luò)模型的輸入。除了最短依賴路徑信息以外,四種其他類型的信息也被向量化后傳入模型,包括命名實(shí)體、實(shí)體關(guān)系、POS標(biāo)簽和WordNet上位詞。

    圖4 長(zhǎng)短時(shí)記憶-最短依賴路徑模型結(jié)構(gòu)圖

    兩個(gè)實(shí)體的共同節(jié)點(diǎn)將最短依賴路徑分離為左子路徑和右子路徑。這兩條子路徑分別由兩個(gè)RNN進(jìn)行處理。在每個(gè)RNN中,LSTM單元用于信息傳遞,從這兩個(gè)子路徑傳遞的信息被傳入最大池化層,如圖4b。池化層連接后會(huì)傳最上方的隱藏層,最后輸出結(jié)果,如圖4a。

    3 實(shí)驗(yàn)驗(yàn)證

    本文對(duì)所提出方法的有效性進(jìn)行實(shí)驗(yàn)驗(yàn)證。本實(shí)驗(yàn)所使用的數(shù)據(jù)集為SCU-iGroup整理的Attack-Technique-Dataset數(shù)據(jù)集[13],其中包含55篇網(wǎng)絡(luò)安全事件相關(guān)的報(bào)告。在命名實(shí)體識(shí)別任務(wù)中,訓(xùn)練LSTM-CRF模型來(lái)識(shí)別威脅情報(bào)領(lǐng)域最常見(jiàn)的7個(gè)實(shí)體標(biāo)簽,如表1所示,然后在相同的語(yǔ)料庫(kù)中訓(xùn)練廣泛應(yīng)用的CRFSuite模型[14]。本文將語(yǔ)料庫(kù)分成兩個(gè)子集,80%作為訓(xùn)練集,20%作為測(cè)試集,以比較兩種模型的性能。同時(shí),在關(guān)系抽取任務(wù)中,訓(xùn)練兩個(gè)LSTM模型來(lái)抽取威脅情報(bào)領(lǐng)域的特定關(guān)系,如表2所示。同樣將語(yǔ)料庫(kù)分為80%的訓(xùn)練集和20%的測(cè)試集,并分別比較LSTM-SDP和Miwa等人[15]提出的LSTM-STS兩種模型的抽取效果。

    表1 威脅情報(bào)數(shù)據(jù)集實(shí)體數(shù)據(jù)統(tǒng)計(jì)

    表2 威脅情報(bào)數(shù)據(jù)集關(guān)系數(shù)據(jù)統(tǒng)計(jì)

    本實(shí)驗(yàn)的評(píng)估指標(biāo)為準(zhǔn)確率P、召回率R和調(diào)和平均數(shù)F1,評(píng)價(jià)指標(biāo)計(jì)算方法如下:

    (7)

    (8)

    (9)

    其中,TP表示標(biāo)注為陽(yáng)性的樣本中正確的數(shù)量,F(xiàn)P表示標(biāo)注為陰性的樣本中錯(cuò)誤的數(shù)量,F(xiàn)N表示標(biāo)注為陽(yáng)性的樣本中錯(cuò)誤的數(shù)量。實(shí)驗(yàn)從語(yǔ)料庫(kù)中留出的20%的測(cè)試數(shù)據(jù)來(lái)評(píng)估方法的有效性,將各個(gè)模型的結(jié)果按照上述評(píng)價(jià)指標(biāo)進(jìn)行比較,以評(píng)價(jià)每個(gè)模型的性能。

    3.1 命名實(shí)體識(shí)別對(duì)比效果

    我們對(duì)提出的LSTM-CRF方法和應(yīng)用特征工程的CRF方法進(jìn)行了評(píng)估。從SCU-iGroup整理的Attack-Technique-Dataset威脅情報(bào)數(shù)據(jù)集中選擇7個(gè)最常見(jiàn)的網(wǎng)絡(luò)安全實(shí)體標(biāo)簽進(jìn)行分組,分析兩種模型對(duì)于同一威脅情報(bào)數(shù)據(jù)集網(wǎng)絡(luò)安全領(lǐng)域的相對(duì)性能,標(biāo)注的實(shí)體類型包括Vulnerability、Technique、Software、Group、Campaign、Target和Motivation。兩個(gè)模型在命名實(shí)體識(shí)別任務(wù)中的表現(xiàn)性能結(jié)果如表3所示。

    表3 LSTM-CRF與CRF對(duì)比結(jié)果

    從結(jié)果可知,根據(jù)準(zhǔn)確率、召回率和F-1值各方面的性能指標(biāo)來(lái)看,LSTM-CRF方法的結(jié)果要優(yōu)于基于特征工程的CRF方法。每種方法對(duì)各個(gè)網(wǎng)絡(luò)安全命名實(shí)體標(biāo)簽的識(shí)別結(jié)果如表4所示。

    表4 LSTM-CRF與CRF對(duì)7種實(shí)體類型的抽取對(duì)比結(jié)果

    3.2 關(guān)系抽取對(duì)比效果

    本文對(duì)LSTM-SDP和LSTM-STS兩種模型的關(guān)系抽取效果進(jìn)行對(duì)比,對(duì)比結(jié)果如表5所示。

    表5 LSTM-SDP和LSTM-STS對(duì)比結(jié)果

    從結(jié)果可知,基于最短依賴路徑的LSTM模型在準(zhǔn)確率,召回率和F-1值各方面表現(xiàn)都優(yōu)于基于序列和樹結(jié)構(gòu)的LSTM模型。

    4 結(jié)語(yǔ)

    本文提出了基于神經(jīng)網(wǎng)絡(luò)的威脅情報(bào)信息抽取方法,并通過(guò)實(shí)驗(yàn)驗(yàn)證了所提出方法的實(shí)現(xiàn)效果。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的基于統(tǒng)計(jì)的方法相比,TIIE在命名實(shí)體識(shí)別和關(guān)系抽取領(lǐng)域的效果都有了顯著提高。傳統(tǒng)方法需要進(jìn)行大量的特征工程,耗時(shí)費(fèi)力,且訓(xùn)練得到的模型只針對(duì)特定領(lǐng)域,難以在其他領(lǐng)域復(fù)用,而基于深度學(xué)習(xí)的方法減少了對(duì)特征工程的需求,預(yù)處理和訓(xùn)練成本更低,具有一定的應(yīng)用價(jià)值。在將來(lái)的研究工作中,可以繼續(xù)研究語(yǔ)料庫(kù)自動(dòng)標(biāo)注算法,并提高神經(jīng)網(wǎng)絡(luò)模型精度,實(shí)現(xiàn)威脅情報(bào)信息的自動(dòng)化抽取方法,供網(wǎng)絡(luò)安全從業(yè)人員使用。

    猜你喜歡
    命名情報(bào)語(yǔ)料庫(kù)
    情報(bào)
    情報(bào)
    情報(bào)
    命名——助力有機(jī)化學(xué)的學(xué)習(xí)
    《語(yǔ)料庫(kù)翻譯文體學(xué)》評(píng)介
    有一種男人以“暖”命名
    東方女性(2018年3期)2018-04-16 15:30:02
    為一條河命名——在白河源
    把課文的優(yōu)美表達(dá)存進(jìn)語(yǔ)料庫(kù)
    交接情報(bào)
    基于JAVAEE的維吾爾中介語(yǔ)語(yǔ)料庫(kù)開發(fā)與實(shí)現(xiàn)
    国内精品美女久久久久久| 偷拍熟女少妇极品色| 人妻久久中文字幕网| 99国产极品粉嫩在线观看| 十八禁人妻一区二区| 国产亚洲av高清不卡| 又大又爽又粗| 国语自产精品视频在线第100页| 精品国产乱码久久久久久男人| 国产伦精品一区二区三区四那| 99精品欧美一区二区三区四区| 国内精品久久久久久久电影| 神马国产精品三级电影在线观看| 无人区码免费观看不卡| 亚洲电影在线观看av| 高清毛片免费观看视频网站| 手机成人av网站| 听说在线观看完整版免费高清| 99热精品在线国产| 哪里可以看免费的av片| 午夜精品一区二区三区免费看| 亚洲熟妇熟女久久| 非洲黑人性xxxx精品又粗又长| 色老头精品视频在线观看| 免费人成视频x8x8入口观看| 又黄又爽又免费观看的视频| 成人午夜高清在线视频| 成人高潮视频无遮挡免费网站| 日日干狠狠操夜夜爽| 757午夜福利合集在线观看| 久久久久久久精品吃奶| 亚洲av五月六月丁香网| 一边摸一边抽搐一进一小说| 国产精品久久久久久久电影 | 熟女电影av网| 欧美乱妇无乱码| 每晚都被弄得嗷嗷叫到高潮| tocl精华| 午夜福利高清视频| 舔av片在线| 又黄又粗又硬又大视频| 一个人观看的视频www高清免费观看 | 麻豆av在线久日| 制服丝袜大香蕉在线| 成人一区二区视频在线观看| 国产精品久久久久久人妻精品电影| 中文字幕高清在线视频| 亚洲午夜精品一区,二区,三区| 他把我摸到了高潮在线观看| 国产亚洲精品综合一区在线观看| xxxwww97欧美| 一二三四社区在线视频社区8| 国产伦在线观看视频一区| 99热6这里只有精品| 国产精品九九99| 一区二区三区高清视频在线| 国内精品久久久久精免费| 一本久久中文字幕| 国产高清视频在线观看网站| 黑人巨大精品欧美一区二区mp4| 亚洲精品456在线播放app | 亚洲激情在线av| 一进一出抽搐gif免费好疼| 国产精品99久久99久久久不卡| 亚洲av中文字字幕乱码综合| 天堂网av新在线| 热99re8久久精品国产| 十八禁人妻一区二区| 亚洲黑人精品在线| 久久中文看片网| 日韩免费av在线播放| 亚洲av成人一区二区三| 91在线观看av| 国产又黄又爽又无遮挡在线| 三级毛片av免费| 欧美成人性av电影在线观看| 日韩 欧美 亚洲 中文字幕| 黄色 视频免费看| 欧美日韩精品网址| 一区二区三区国产精品乱码| 亚洲在线观看片| 色综合欧美亚洲国产小说| 久久久国产成人免费| 成人午夜高清在线视频| 国产av不卡久久| 国产野战对白在线观看| 亚洲国产高清在线一区二区三| 好看av亚洲va欧美ⅴa在| 精品久久久久久久久久久久久| 日本黄色片子视频| 久久久久九九精品影院| 亚洲av美国av| 嫩草影视91久久| 久久香蕉精品热| 在线观看舔阴道视频| 久久久久国产一级毛片高清牌| a级毛片在线看网站| 免费人成视频x8x8入口观看| 露出奶头的视频| 琪琪午夜伦伦电影理论片6080| 国产伦精品一区二区三区视频9 | 久久这里只有精品19| 午夜福利视频1000在线观看| 亚洲av成人av| 免费av毛片视频| 夜夜看夜夜爽夜夜摸| 国产精品亚洲美女久久久| 久久国产精品人妻蜜桃| 亚洲第一欧美日韩一区二区三区| 久9热在线精品视频| 日韩欧美免费精品| 哪里可以看免费的av片| 九九久久精品国产亚洲av麻豆 | 我的老师免费观看完整版| 无限看片的www在线观看| av黄色大香蕉| 欧美成狂野欧美在线观看| 这个男人来自地球电影免费观看| 亚洲精品国产精品久久久不卡| 午夜a级毛片| 亚洲自拍偷在线| 午夜福利在线在线| 国产真人三级小视频在线观看| 国产av在哪里看| 亚洲中文字幕一区二区三区有码在线看 | 非洲黑人性xxxx精品又粗又长| 午夜免费激情av| 一二三四社区在线视频社区8| 岛国视频午夜一区免费看| 亚洲成人精品中文字幕电影| 一级黄色大片毛片| 啦啦啦韩国在线观看视频| 日韩大尺度精品在线看网址| 国产综合懂色| 国产激情欧美一区二区| 特大巨黑吊av在线直播| 精品一区二区三区视频在线 | 999久久久国产精品视频| 欧美日本视频| 亚洲午夜理论影院| 99热这里只有是精品50| 桃色一区二区三区在线观看| 久久久国产成人免费| 可以在线观看的亚洲视频| 亚洲一区高清亚洲精品| 国产日本99.免费观看| 欧美中文日本在线观看视频| 日本三级黄在线观看| 日韩大尺度精品在线看网址| 搡老熟女国产l中国老女人| 国产精品一区二区三区四区免费观看 | 一级黄色大片毛片| 精品不卡国产一区二区三区| 两个人的视频大全免费| 美女大奶头视频| 久久国产乱子伦精品免费另类| 2021天堂中文幕一二区在线观| 丰满的人妻完整版| 国产一区二区激情短视频| 久久久久久久午夜电影| av欧美777| 他把我摸到了高潮在线观看| 国产av不卡久久| 免费看十八禁软件| 日本撒尿小便嘘嘘汇集6| 欧美色视频一区免费| 成熟少妇高潮喷水视频| 级片在线观看| 亚洲一区二区三区不卡视频| 国产亚洲精品综合一区在线观看| 亚洲国产精品合色在线| 日韩欧美 国产精品| 亚洲成人中文字幕在线播放| 波多野结衣高清作品| 亚洲欧美日韩卡通动漫| 国产欧美日韩一区二区精品| xxxwww97欧美| www.精华液| 制服人妻中文乱码| 亚洲天堂国产精品一区在线| 黑人操中国人逼视频| 国产精品99久久99久久久不卡| 国产乱人视频| 亚洲国产精品999在线| 十八禁网站免费在线| 91在线精品国自产拍蜜月 | а√天堂www在线а√下载| 午夜福利视频1000在线观看| 老司机午夜福利在线观看视频| 99久久成人亚洲精品观看| 亚洲av片天天在线观看| 国产亚洲精品久久久久久毛片| 亚洲专区中文字幕在线| 国产主播在线观看一区二区| 露出奶头的视频| 桃红色精品国产亚洲av| av片东京热男人的天堂| 国产成人啪精品午夜网站| 在线观看舔阴道视频| 全区人妻精品视频| 亚洲精品一区av在线观看| 久久精品国产清高在天天线| 成人午夜高清在线视频| 美女 人体艺术 gogo| 最近最新中文字幕大全电影3| 亚洲无线观看免费| 1000部很黄的大片| 精华霜和精华液先用哪个| 日韩三级视频一区二区三区| 一个人免费在线观看电影 | 欧美激情久久久久久爽电影| 精品电影一区二区在线| 18禁国产床啪视频网站| 亚洲aⅴ乱码一区二区在线播放| 真人一进一出gif抽搐免费| 夜夜夜夜夜久久久久| 亚洲中文日韩欧美视频| 男人舔女人的私密视频| 欧美黑人欧美精品刺激| 嫩草影院入口| 成人鲁丝片一二三区免费| 天堂网av新在线| 国产亚洲av高清不卡| 2021天堂中文幕一二区在线观| 久久99热这里只有精品18| 99在线人妻在线中文字幕| 国产成人影院久久av| 国产成人欧美在线观看| 波多野结衣巨乳人妻| 久久久久久久久免费视频了| 亚洲中文日韩欧美视频| 国产一级毛片七仙女欲春2| 精华霜和精华液先用哪个| 国内毛片毛片毛片毛片毛片| 国产视频内射| 99热这里只有是精品50| 九九热线精品视视频播放| 欧美黑人巨大hd| x7x7x7水蜜桃| 看片在线看免费视频| 中文资源天堂在线| 99久久久亚洲精品蜜臀av| 国产高清视频在线观看网站| a在线观看视频网站| 亚洲天堂国产精品一区在线| 婷婷精品国产亚洲av| 91字幕亚洲| 18禁国产床啪视频网站| 69av精品久久久久久| 色av中文字幕| 国产视频一区二区在线看| 草草在线视频免费看| 久久久久久久午夜电影| 欧美成狂野欧美在线观看| 99热这里只有是精品50| 欧美+亚洲+日韩+国产| 久久香蕉国产精品| 亚洲国产欧美一区二区综合| 丰满人妻熟妇乱又伦精品不卡| 精品福利观看| 国产成人系列免费观看| 亚洲精品中文字幕一二三四区| www国产在线视频色| 人人妻人人看人人澡| 色哟哟哟哟哟哟| 天堂动漫精品| 亚洲五月婷婷丁香| 久久人妻av系列| 国产黄片美女视频| 久久中文看片网| 最近最新免费中文字幕在线| x7x7x7水蜜桃| tocl精华| 伦理电影免费视频| 在线观看66精品国产| 国内揄拍国产精品人妻在线| 日本 欧美在线| 国产又黄又爽又无遮挡在线| 日本成人三级电影网站| 色综合亚洲欧美另类图片| 99riav亚洲国产免费| 国内久久婷婷六月综合欲色啪| 又黄又爽又免费观看的视频| 午夜免费成人在线视频| 露出奶头的视频| 免费在线观看亚洲国产| 亚洲成av人片在线播放无| 1000部很黄的大片| 国产av不卡久久| 亚洲人与动物交配视频| netflix在线观看网站| 此物有八面人人有两片| 亚洲熟妇熟女久久| 亚洲国产色片| 一级毛片精品| 亚洲熟女毛片儿| 88av欧美| 成人性生交大片免费视频hd| 麻豆一二三区av精品| 精品久久久久久,| 日本a在线网址| 成年女人毛片免费观看观看9| 99国产精品一区二区三区| av欧美777| 久久性视频一级片| 欧美高清成人免费视频www| 最好的美女福利视频网| 免费观看人在逋| 老司机午夜十八禁免费视频| 欧美高清成人免费视频www| 免费在线观看影片大全网站| 一二三四在线观看免费中文在| 亚洲欧美激情综合另类| 性色av乱码一区二区三区2| 男人舔奶头视频| 亚洲av成人精品一区久久| 国产伦一二天堂av在线观看| 一级a爱片免费观看的视频| 天天躁日日操中文字幕| 久久人妻av系列| 免费在线观看影片大全网站| 少妇裸体淫交视频免费看高清| av片东京热男人的天堂| 高潮久久久久久久久久久不卡| 日韩欧美 国产精品| 日韩三级视频一区二区三区| 非洲黑人性xxxx精品又粗又长| 欧美精品啪啪一区二区三区| 国产一区二区在线观看日韩 | 亚洲自拍偷在线| 偷拍熟女少妇极品色| 欧美中文综合在线视频| 国产极品精品免费视频能看的| 视频区欧美日本亚洲| 国产成人欧美在线观看| 成年版毛片免费区| 亚洲18禁久久av| 久99久视频精品免费| 国产免费男女视频| 国产又色又爽无遮挡免费看| 午夜福利在线观看吧| 亚洲av成人精品一区久久| 18禁观看日本| 叶爱在线成人免费视频播放| 美女扒开内裤让男人捅视频| 国产精品一区二区精品视频观看| 日韩 欧美 亚洲 中文字幕| 午夜福利在线观看吧| 日韩大尺度精品在线看网址| 亚洲中文字幕日韩| 色综合亚洲欧美另类图片| 后天国语完整版免费观看| 黑人操中国人逼视频| 欧美av亚洲av综合av国产av| 久久中文字幕人妻熟女| 狂野欧美激情性xxxx| 久久香蕉精品热| 琪琪午夜伦伦电影理论片6080| 少妇的丰满在线观看| 一二三四在线观看免费中文在| 亚洲熟妇中文字幕五十中出| 两人在一起打扑克的视频| h日本视频在线播放| 亚洲精品色激情综合| 久99久视频精品免费| 一级毛片高清免费大全| 日韩欧美精品v在线| 丝袜人妻中文字幕| 淫妇啪啪啪对白视频| 一二三四在线观看免费中文在| 美女黄网站色视频| 国产亚洲av嫩草精品影院| 女人被狂操c到高潮| 熟女电影av网| 亚洲熟妇熟女久久| 99久久综合精品五月天人人| 国产黄片美女视频| 亚洲av成人av| 最新在线观看一区二区三区| 亚洲欧美精品综合一区二区三区| 床上黄色一级片| 国产单亲对白刺激| 一二三四在线观看免费中文在| 精品乱码久久久久久99久播| 国产淫片久久久久久久久 | 免费在线观看影片大全网站| 久久久水蜜桃国产精品网| 国产精品亚洲av一区麻豆| 日本熟妇午夜| 他把我摸到了高潮在线观看| 国产美女午夜福利| 亚洲最大成人中文| 国产av不卡久久| 色av中文字幕| 一区二区三区高清视频在线| 国产高清有码在线观看视频| 男女那种视频在线观看| 黄色 视频免费看| 日韩欧美免费精品| 夜夜躁狠狠躁天天躁| 亚洲精品在线美女| 精品乱码久久久久久99久播| 18美女黄网站色大片免费观看| 免费在线观看日本一区| 精品人妻1区二区| 欧美成人一区二区免费高清观看 | 国产真人三级小视频在线观看| 桃红色精品国产亚洲av| 国产在线精品亚洲第一网站| 日本与韩国留学比较| 国产精品 国内视频| 国产激情偷乱视频一区二区| 中文字幕人成人乱码亚洲影| 久久九九热精品免费| 国产激情偷乱视频一区二区| 男女做爰动态图高潮gif福利片| av女优亚洲男人天堂 | 亚洲国产欧洲综合997久久,| 午夜免费激情av| 国产精品99久久久久久久久| 国产91精品成人一区二区三区| 国产亚洲欧美98| 三级男女做爰猛烈吃奶摸视频| 久久精品综合一区二区三区| 欧美一级毛片孕妇| 成人av一区二区三区在线看| 51午夜福利影视在线观看| 日本一本二区三区精品| 一a级毛片在线观看| 很黄的视频免费| 成人国产综合亚洲| 久久久久久久午夜电影| 欧美极品一区二区三区四区| xxx96com| 色在线成人网| 精品熟女少妇八av免费久了| 一个人看视频在线观看www免费 | 一进一出好大好爽视频| 欧美日韩一级在线毛片| 欧美激情久久久久久爽电影| 亚洲中文av在线| 亚洲精品国产精品久久久不卡| 桃红色精品国产亚洲av| 99国产精品99久久久久| 国产精品久久久人人做人人爽| 亚洲国产色片| 国产精品98久久久久久宅男小说| 视频区欧美日本亚洲| 国产人伦9x9x在线观看| 亚洲成人精品中文字幕电影| 麻豆成人午夜福利视频| 三级男女做爰猛烈吃奶摸视频| 午夜亚洲福利在线播放| 一级毛片精品| 国产精品,欧美在线| 欧美日韩亚洲国产一区二区在线观看| 久久久久久人人人人人| 一个人观看的视频www高清免费观看 | 在线看三级毛片| 色哟哟哟哟哟哟| 99久久无色码亚洲精品果冻| 亚洲成av人片在线播放无| 亚洲精品美女久久av网站| 性欧美人与动物交配| 免费在线观看影片大全网站| 免费看十八禁软件| 天天一区二区日本电影三级| 黄色视频,在线免费观看| 国产成人av激情在线播放| www日本黄色视频网| 在线观看免费午夜福利视频| 亚洲熟女毛片儿| 啪啪无遮挡十八禁网站| 天堂av国产一区二区熟女人妻| avwww免费| 可以在线观看的亚洲视频| 日韩中文字幕欧美一区二区| 两个人视频免费观看高清| 日日夜夜操网爽| 他把我摸到了高潮在线观看| 久久久久国产一级毛片高清牌| 久久精品人妻少妇| 99在线视频只有这里精品首页| 黄色成人免费大全| 欧美激情在线99| 国产伦一二天堂av在线观看| 午夜福利免费观看在线| 国产一级毛片七仙女欲春2| 最近最新中文字幕大全免费视频| 中文字幕av在线有码专区| 变态另类丝袜制服| 真实男女啪啪啪动态图| 欧美午夜高清在线| 成人三级做爰电影| 国产野战对白在线观看| 真人一进一出gif抽搐免费| 亚洲中文字幕一区二区三区有码在线看 | 精品一区二区三区四区五区乱码| av在线蜜桃| 男插女下体视频免费在线播放| 国产黄片美女视频| 91久久精品国产一区二区成人 | 亚洲国产中文字幕在线视频| 99国产极品粉嫩在线观看| 国产精品美女特级片免费视频播放器 | 男女做爰动态图高潮gif福利片| 精品久久蜜臀av无| 欧美av亚洲av综合av国产av| 亚洲欧美激情综合另类| 成人国产一区最新在线观看| av女优亚洲男人天堂 | 亚洲成av人片免费观看| 国产亚洲av高清不卡| 久久精品91无色码中文字幕| 又黄又爽又免费观看的视频| 两个人视频免费观看高清| 亚洲一区二区三区不卡视频| 听说在线观看完整版免费高清| 中文字幕高清在线视频| 琪琪午夜伦伦电影理论片6080| 久久热在线av| 国产91精品成人一区二区三区| 国产精品永久免费网站| 97人妻精品一区二区三区麻豆| 美女 人体艺术 gogo| 国产三级中文精品| 国产麻豆成人av免费视频| 12—13女人毛片做爰片一| 国产真实乱freesex| 12—13女人毛片做爰片一| 精品一区二区三区视频在线 | 999久久久国产精品视频| 在线观看日韩欧美| 人妻夜夜爽99麻豆av| 日韩高清综合在线| 黄色成人免费大全| 又大又爽又粗| 久久香蕉精品热| 日本一二三区视频观看| 亚洲中文字幕日韩| 两性夫妻黄色片| 国产乱人视频| 最近在线观看免费完整版| 国产爱豆传媒在线观看| 精品一区二区三区四区五区乱码| 国产精品影院久久| bbb黄色大片| 12—13女人毛片做爰片一| 久久久国产成人免费| 国内少妇人妻偷人精品xxx网站 | 国产一区二区三区视频了| 亚洲欧美日韩高清专用| 国产精品99久久99久久久不卡| 在线观看午夜福利视频| 熟女电影av网| 桃红色精品国产亚洲av| 亚洲一区二区三区色噜噜| 午夜精品久久久久久毛片777| 99久久久亚洲精品蜜臀av| av女优亚洲男人天堂 | 国产美女午夜福利| 国产av在哪里看| 国产精品亚洲av一区麻豆| 国产又色又爽无遮挡免费看| 欧洲精品卡2卡3卡4卡5卡区| 免费av毛片视频| 国产人伦9x9x在线观看| 久久99热这里只有精品18| 一本精品99久久精品77| 国产私拍福利视频在线观看| 国产精品一区二区免费欧美| АⅤ资源中文在线天堂| 欧美最黄视频在线播放免费| 90打野战视频偷拍视频| 亚洲一区二区三区不卡视频| 精品免费久久久久久久清纯| 成年版毛片免费区| www.www免费av| 欧美三级亚洲精品| 亚洲人与动物交配视频| 国产乱人视频| 最新在线观看一区二区三区| 午夜福利欧美成人| 亚洲国产精品久久男人天堂| 久久久久久久久久黄片| 久久热在线av| 国产一区二区激情短视频| 亚洲av成人一区二区三| 观看美女的网站| 亚洲av五月六月丁香网| 精品久久久久久久末码| 动漫黄色视频在线观看| 久久九九热精品免费| ponron亚洲| 色视频www国产| 国产不卡一卡二| 国产aⅴ精品一区二区三区波| 亚洲精品美女久久久久99蜜臀| 一级毛片高清免费大全| 亚洲狠狠婷婷综合久久图片| 日本熟妇午夜| 精品久久久久久久末码| 女同久久另类99精品国产91| 国产欧美日韩一区二区精品| 国内少妇人妻偷人精品xxx网站 | 免费在线观看影片大全网站| 久久这里只有精品19| 亚洲国产精品sss在线观看| 精品久久久久久成人av| 国产精品,欧美在线| 啦啦啦韩国在线观看视频| 国产一区二区三区在线臀色熟女| 国产亚洲精品av在线| 亚洲av熟女| 国语自产精品视频在线第100页|