• <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 ?

    基于局部敏感布隆過濾器的工業(yè)物聯(lián)網(wǎng)隱性異常檢測

    2022-01-05 02:32:08肖如良曾智霞肖晨凱
    計(jì)算機(jī)應(yīng)用 2021年12期
    關(guān)鍵詞:哈希投影編碼

    肖如良,曾智霞,肖晨凱,2,張 仕,2*

    (1.福建師范大學(xué)計(jì)算機(jī)與網(wǎng)絡(luò)空間安全學(xué)院,福州 350117;2.數(shù)字福建環(huán)境監(jiān)測物聯(lián)網(wǎng)實(shí)驗(yàn)室(福建師范大學(xué)),福州 350117;3.福建省網(wǎng)絡(luò)安全與密碼技術(shù)重點(diǎn)實(shí)驗(yàn)室(福建師范大學(xué)),福州 350007)

    (?通信作者電子郵箱shi@fjnu.edu.cn)

    0 引言

    隨著工業(yè)4.0 時(shí)代[1-2]的到來,工業(yè)物聯(lián)網(wǎng)(Industrial Internet of Things,IIoT)系統(tǒng)目前已經(jīng)廣泛應(yīng)用于安全監(jiān)控[3]、智能交通[4]、環(huán)境監(jiān)測[5]等領(lǐng)域。IIoT 系統(tǒng)的傳感器節(jié)點(diǎn)配備了攝像機(jī)、麥克風(fēng)和其他傳感器,能夠從物理環(huán)境中收集視頻、音頻、圖像等多媒體數(shù)據(jù)。但是,傳感器設(shè)備由于持續(xù)使用和正常磨損出現(xiàn)損壞,導(dǎo)致收集和記錄的IIoT 數(shù)據(jù)出現(xiàn)異常。由于IIoT數(shù)據(jù)通常具有高維度、大規(guī)模、多類型的特點(diǎn),大規(guī)模高維數(shù)據(jù)無關(guān)特征的存在可能會掩蓋異常的存在,隱性異常難以被檢測。因此,構(gòu)建一個(gè)良好的異常檢測模型對IIoT應(yīng)用有非常重要的意義。當(dāng)前已有很多學(xué)者開展了相關(guān)的異常檢測方法研究[6-9],特別是近年來,異常檢測算法的研究已成為產(chǎn)業(yè)界與學(xué)術(shù)界共同關(guān)注的熱點(diǎn)問題。

    目前,在異常檢測算法研究中具有代表性的有:Deng等[10]提出的一種基于Bloom Filter 的異常流量檢測框架。他們主要分析了兩種異常流量(端口掃描流量和TCP 泛洪流量)。對于端口的掃描,使用Bloom Filter 結(jié)構(gòu)框架可以檢索這個(gè)流已經(jīng)訪問的端口:如果在不同的端口上有太多的流量,則可以確定異常;對于TCP 泛洪流量,使用Count Bloom Filter來計(jì)算一段時(shí)間內(nèi)每種類型的流中具有相似長度的包的數(shù)量,如果檢測到相同長度的報(bào)文比例較高,則異常發(fā)生的概率較大。Lee 等[11]提出了一種新的用于異常事件檢測的雙向多尺度聚合網(wǎng)絡(luò)模型。該模型學(xué)習(xí)正常事件的時(shí)空模式,以檢測偏離學(xué)習(xí)的正常模式為異常。該模型主要由幀間預(yù)測器和外觀-運(yùn)動關(guān)節(jié)檢測器兩部分組成。設(shè)計(jì)了幀間預(yù)測器對正常模式進(jìn)行編碼,利用基于注意力的雙向多尺度聚合生成幀間預(yù)測器。通過特征聚合,實(shí)現(xiàn)了常規(guī)模式編碼對目標(biāo)尺度變化和復(fù)雜運(yùn)動的魯棒性。在編碼正常模式的基礎(chǔ)上,同時(shí)考慮場景的外觀特征和運(yùn)動特征的外觀-運(yùn)動聯(lián)合檢測器檢測異常事件。Gibert 等[12]使用計(jì)算機(jī)視覺和模式識別方法的自動軌道檢測最近顯示出了提高安全性的潛力,利用深度卷積神經(jīng)網(wǎng)絡(luò)允許更頻繁的檢查,同時(shí)減少人為錯(cuò)誤。

    總的來說,以上這些方法為異常檢測拓展了新的思路,但是現(xiàn)有異常檢測方法依然存在兩個(gè)方面的問題:

    1)大規(guī)模高維特征的存在可能掩蓋異常的存在,隱性異常難以被檢測系統(tǒng)檢測。

    2)在耗費(fèi)大量時(shí)間標(biāo)記好訓(xùn)練數(shù)據(jù)后,異常檢測模型仍需要大量的時(shí)間進(jìn)行訓(xùn)練修正才能夠有效地對異常進(jìn)行檢測,并且模型對參數(shù)具有較高的敏感性。

    針對以上問題,本文提出一種基于局部敏感Bloom Filter(Locality Sensitive Bloom Filter,LSBF)模型的異常檢測算法,與現(xiàn)有方法的不同之處如下:

    1)提出的基于空間劃分的快速Johnson-Lindenstrauss 變換(Spatial Partition based Fast Johnson-Lindenstrauss Transform,SP-FJLT)具有很強(qiáng)的映射保距性,可以準(zhǔn)確識別隱性特征,減少數(shù)據(jù)在哈希投影中的精度損失;

    2)提出的基于LSBF 模型的異常檢測(LSBF-based Anomaly Detection,LSBFAD)算法能夠有效地對高維度、大規(guī)模、多類型的IIoT 數(shù)據(jù)進(jìn)行異常檢測,探測隱性異常,提高檢測的準(zhǔn)確率;

    3)LSBFAD 算法是半監(jiān)督模式,即訓(xùn)練過程中不需要異常類標(biāo)簽的數(shù)據(jù)。

    本文使用3 個(gè)仿真數(shù)據(jù)集進(jìn)行了充分的實(shí)驗(yàn)評估,與多個(gè)典型的異常檢測算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,本文LSBFAD 算法具有更高的檢測率(Detection Rate,DR)以及更低的誤報(bào)率(False Alarm Rate,F(xiàn)AR)。

    1 相關(guān)工作

    目前常規(guī)的異常檢測算法根據(jù)應(yīng)用技術(shù)主要分為三大類:基于分類的異常檢測方法[13-15]、基于最近鄰的異常檢測方法[16-18]和基于統(tǒng)計(jì)的異常檢測方法[19-21]。三種方法都存在一些優(yōu)點(diǎn)與不足?;诜诸惖漠惓z測算法由于具有先驗(yàn)?zāi)P?,具有較高的檢測效率,在IIoT 系統(tǒng)中得到了更廣泛的應(yīng)用。而基于分類的異常檢測算法又分為三大類:基于神經(jīng)網(wǎng)絡(luò)、基于支持向量機(jī)和基于規(guī)則。其中,基于神經(jīng)網(wǎng)絡(luò)的異常檢測算法的檢測精度最高,但通常不能做到及時(shí)響應(yīng)?;诜诸惖漠惓z測算法相對成熟,有很多優(yōu)秀的科研成果。Han 等[13]提出了一種混合異常檢測模型,包括針對異?;顒拥幕谠紨?shù)據(jù)的方法和針對異常狀態(tài)的基于譜圖的方法兩種;然后利用卷積神經(jīng)網(wǎng)絡(luò)對支持向量機(jī)預(yù)測的活動進(jìn)行分類,再利用遞歸神經(jīng)網(wǎng)絡(luò)直接對信號進(jìn)行預(yù)測。Farshchi等[14]分析了一種度量日志上下文異常檢測技術(shù)在空中交通管制系統(tǒng)中間件中的有效性,研究解決了將此類技術(shù)應(yīng)用到一個(gè)新的案例研究中的挑戰(zhàn),該案例具有高密度的測井?dāng)?shù)據(jù)量和更精細(xì)的監(jiān)測采樣率。Dasgupta 等[15]提出了果蠅Bloom Filter,發(fā)現(xiàn)果蠅的嗅覺回路進(jìn)化出一種Bloom Filter 的變種,以評估氣味的新穎性。與傳統(tǒng)的Bloom Filter 相比,這種果蠅根據(jù)兩個(gè)額外的特征調(diào)整新穎性反應(yīng):一種氣味與之前經(jīng)歷過的氣味的相似性,以及自上次經(jīng)歷這種氣味以來的時(shí)間間隔。他們詳細(xì)闡述并驗(yàn)證了一個(gè)框架來預(yù)測果蠅對特定氣味的新穎性反應(yīng),并且將果蠅的見解轉(zhuǎn)化為開發(fā)了一種距離和時(shí)間敏感的Bloom Filter。

    Bloom Filter 模型[22]被提出的最初原因是哈希編碼占用了大量的內(nèi)存空間,為了解決這個(gè)問題,Bloom Filter給出了一種新的數(shù)據(jù)結(jié)構(gòu),該數(shù)據(jù)結(jié)構(gòu)通過容許哈希編碼中的少許錯(cuò)誤減少哈希編碼所占用的空間。后來的一些學(xué)者也從中得到啟發(fā)作進(jìn)一步的改進(jìn),并逐漸形成了現(xiàn)在通用的Bloom Filter。如今Bloom Filter 已經(jīng)成為大規(guī)模數(shù)據(jù)集的常見處理手段。目前,傳統(tǒng)的Bloom Filter 的功能主要是快速判斷給定的元素v是否在集合S中,它的主要思想是通過一組長度為w、初始值均為0 的二進(jìn)制編碼模型,通過k個(gè)哈希函數(shù)映射,把集合中的元素一一映射到模型中,每當(dāng)模型中一個(gè)位置被激發(fā),修改該位置的值為1。然后使用同樣的哈希函數(shù)映射給定的查詢點(diǎn),當(dāng)模型中查詢點(diǎn)所映射的k個(gè)位置均顯示1 時(shí),說明該查詢點(diǎn)存在集合中,即v∈S,輸出True;否則,輸出結(jié)果為False,即該查詢點(diǎn)不在集合S中。

    2 LSBFAD算法

    2.1 LSBFAD算法總體框架

    針對IIoT 數(shù)據(jù)的異常檢測,由于異常的IIoT 數(shù)據(jù)特征不同于正常的IIoT 數(shù)據(jù),并且異常的IIoT 數(shù)據(jù)數(shù)量占少數(shù),因此本文的工作建立在樣本數(shù)據(jù)的兩個(gè)假設(shè)基礎(chǔ)上,即:1)異常數(shù)據(jù)具有區(qū)別于正常數(shù)據(jù)的特征;2)異常數(shù)據(jù)的數(shù)量遠(yuǎn)遠(yuǎn)小于正常數(shù)據(jù)的數(shù)量。

    本文利用LSBF 模型,結(jié)合SP-FJLT 矩陣投影和相互競爭(Mutual Competition,MC)策略,提出LSBFAD 算法,算法總體框架如圖1所示。

    圖1 LSBFAD算法總體框架Fig.1 Overall framework of LSBFAD algorithm

    1)數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理階段在輸入IIoT的原始多類型數(shù)據(jù)后,通過特征化將多媒體數(shù)據(jù)轉(zhuǎn)換成特征向量;在這個(gè)過程中,對文本數(shù)據(jù)進(jìn)行特征提取,通常采用詞頻逆-文本頻率(Term Frequency-Inverse Document Frequency,TF-IDF)方法或詞頻方法,以將文本數(shù)據(jù)轉(zhuǎn)換為歐氏空間下的特征向量;對圖像數(shù)據(jù)進(jìn)行特征提取時(shí),通過提取尺度不變特征變換(Scale Invariant Feature Transform,SIFT)特征值進(jìn)行特征化處理。

    2)構(gòu)建SP-FJLT。IIoT數(shù)據(jù)利用本文提出的SP-FJLT進(jìn)行哈希投影,首先構(gòu)建FJLT 投影變換,然后進(jìn)行空間劃分,并采用MC策略進(jìn)行除噪。

    3)構(gòu)建LSBF。IIoT 數(shù)據(jù)通過SP-FJLT 投影變換后,通過MC 策略進(jìn)行除噪,最后映射到Bloom Filter 上,Bloom Filter 被哈希映射的位向量由“0”變?yōu)椤?”。

    2.2 LSBF

    2.2.1 降維投影結(jié)構(gòu)

    降維是數(shù)據(jù)分析中常用的方法,它將高維數(shù)據(jù)投影到低維空間中,同時(shí)保留盡可能多的信息。JL(Johnson-Lindenstrauss)定理[23]證明了這一類線性映射的存在性,它提供了任意數(shù)量的點(diǎn)從高維歐氏空間到指數(shù)低維空間的低失真嵌入。JLT(Johnson-Lindenstrauss Transform)是一個(gè)提供了高概率嵌入的隨機(jī)線性映射,F(xiàn)JLT(Fast JLT)利用快速傅里葉變換(Fast Fourier Transform,F(xiàn)FT)的矩陣向量乘法僅在嵌入維數(shù)略有增加的同時(shí)減少嵌入的復(fù)雜性。利用數(shù)據(jù)的空間性質(zhì),對數(shù)據(jù)進(jìn)行空間劃分的方式實(shí)現(xiàn)降維。這種劃分子空間的方法可以很大程度降低數(shù)據(jù)的失真程度。空間劃分是一種重要的數(shù)學(xué)模型,在信號處理、數(shù)據(jù)挖掘、模式識別、圖論等領(lǐng)域都有重要應(yīng)用。本文提出的SP-FJLT 映射以傅里葉變換為基礎(chǔ),用JL 定理指導(dǎo)空間劃分,克服降維過程中的缺陷,同時(shí)利用數(shù)據(jù)的空間分布性質(zhì),增強(qiáng)了映射的保距性能。

    先給出FJLT的組成:

    φ是一個(gè)元素獨(dú)立分布的k×d矩陣,k=δd,δ是參數(shù),d是數(shù)據(jù)初始維度。

    矩陣P=(Pij)在概率1-q的情況下設(shè)置Pij=0,否則(其余概率)從方差為0、期望為q-1的正態(tài)分布中提取pij,稀疏常量q表示為:

    FN∈Rn×n是一個(gè)標(biāo)準(zhǔn)化的Walsh-Hadamard矩陣:

    DN∈Rd×d:是一個(gè)d×d的對角陣,Dii為1 的概率是1/2,否則Dii為-1。

    SP-FJLT 從單位球SD-1中隨機(jī)均勻地選擇一個(gè)方向,并使用與該方向正交的超平面利用數(shù)據(jù)空間分布性質(zhì)進(jìn)行劃分,組成如下:

    使用SP-FJLT 映射來最小化數(shù)據(jù)的失真,從而保證算法的準(zhǔn)確性。與傳統(tǒng)的稀疏矩陣投影和FJLT 矩陣相比,SPFJLT 矩陣具有更好的覆蓋率,可以更好地利用數(shù)據(jù)分布的性質(zhì)來保持?jǐn)?shù)據(jù)的準(zhǔn)確性,特別是當(dāng)輸入數(shù)據(jù)是一個(gè)稀疏向量(它有許多零元素)時(shí)。

    2.2.2 MC策略

    本文提出的LSBFAD 算法訓(xùn)練Bloom Filter的過程采用半監(jiān)督模式,只需要正常IIoT 數(shù)據(jù)進(jìn)行訓(xùn)練。但是數(shù)據(jù)收集過程存在誤差,不可避免地會把一些異常IIoT 數(shù)據(jù)標(biāo)記成正常IIoT 數(shù)據(jù)。因此當(dāng)IIoT 數(shù)據(jù)通過哈希投影后,相似的數(shù)據(jù)都被映射至同一編碼,采用MC 策略對編碼進(jìn)行優(yōu)化,即根據(jù)編碼所含的數(shù)據(jù)比例進(jìn)行競爭,剔除數(shù)據(jù)量稀疏的編碼,保留數(shù)據(jù)量在前β的編碼。這一操作有利于刪除那些標(biāo)記成正常類的異常數(shù)據(jù),能有效降低算法的假陽性。

    2.2.3 構(gòu)建LSBF

    正常的IIoT 數(shù)據(jù)通過SP-FJLT 映射后,在經(jīng)過MC 策略進(jìn)行除噪,然后映射到Bloom Filter 上,Bloom Filter 對應(yīng)的位向量發(fā)生改變。即初始的Bloom Filter 位向量全為“0”標(biāo)記,當(dāng)對應(yīng)的位置被SP-FJLT 映射后,“0”轉(zhuǎn)變?yōu)椤?”,意味著此位向量已被哈希映射,即該位是正常數(shù)據(jù)映射的位。

    2.2.4 LSBFAD算法及復(fù)雜度分析

    本文提出的LSBFAD 算法(見Algorithm 1)由三個(gè)步驟組成:首先利用SP-FJLT 映射算法將數(shù)據(jù)進(jìn)行投影,然后采用MC策略進(jìn)行除噪,最后利用0-1編碼構(gòu)建LSBF。

    Algorithm 1:LSBF。

    輸入 待檢測數(shù)據(jù)Q=(q1,q2,…,qd)∈R1×d;n表示IIOT 數(shù)據(jù)X的個(gè)數(shù);d表示數(shù)據(jù)初始維度;k表示哈希碼的數(shù)量;m表示Bloom filter的大小;m'表示位確認(rèn)向量的大小;β表示編碼保留比例;

    1)利用IIOT 數(shù)據(jù)X=(x1,x2,…xd)∈Rn×d構(gòu)造待檢測數(shù)據(jù)Q的SP-FJLT投影y=SP?FJLT(Q);

    2)利用MC策略保留前β個(gè)二進(jìn)制編碼;

    3)利用投影數(shù)據(jù)Y=(y1,y2,…,yk)∈Rn×k構(gòu)造LSBF

    k0...position-1=Bloomfilter(Y)

    輸出k0...position-1

    算法步驟1)構(gòu)造SP-FJLT 投影的時(shí)間復(fù)雜度為O((dlb(d)+min{dε-2lb(n),εp-4lbp+1(n)})d3n);步驟2)提取數(shù)據(jù)的時(shí)間復(fù)雜度為O(cn);步驟3)構(gòu)造LSBF 的時(shí)間復(fù)雜度為O(cmk)。LSBFAD 算法的計(jì)算復(fù)雜度在第一步構(gòu)建SPFJLT 投影是最大的,因此整個(gè)算法的計(jì)算復(fù)雜度由第一步,即構(gòu)建SP-FJLT 投影算法決定的,它的計(jì)算復(fù)雜度為O((dlb(d)+min{dε-2lb(n),εp-4lbp+1(n)})d3n)。從中可以看出LSBFAD 算法的計(jì)算復(fù)雜度跟數(shù)據(jù)數(shù)量以及維數(shù)呈正相關(guān)。

    3 理論分析

    常規(guī)哈希方法在降維過程中不可避免地會損失數(shù)據(jù)集內(nèi)部數(shù)據(jù)對象之間的相似性,本文提出的LSBFAD 算法中,SPFJLT 映射充分利用了數(shù)據(jù)的空間分布特性對數(shù)據(jù)進(jìn)行空間劃分,最大限度保留了數(shù)據(jù)對象的相似性,擁有良好的保距性能。

    SP-FJLT 算法中,空間劃分主要的難點(diǎn)是球面S與映射μ在內(nèi)在維度的依賴關(guān)系。

    定理假設(shè)球面S∈RD擁有其特征矩陣前d個(gè)特征值。選擇一個(gè)隨機(jī)向量U~N(0,(1/D)ID),以任何方式(可能依賴U)將S劃分成S1、S2兩部分。讓p=|S1|/|S|,u1和u2分別代表S1和S2的均值,u'1和u'2分別代表S1?U和S2?U的均值。對于任何δ>0,有大于1-δ的概率選擇最佳的U,最大限度保留了數(shù)據(jù)對象的相似性。

    證明 在不失一般性的前提下假設(shè)S的均值為0。讓H是由cov(S)上的d個(gè)特征向量組成的子空間,H⊥是它的正交子空間。把任意點(diǎn)x∈RD寫成xH+x⊥,其中每一個(gè)分量都是RD的一個(gè)向量,并且位于各自的子空間。

    選取隨機(jī)向量U,有大于1-δ的概率滿足如下兩個(gè)性質(zhì):

    性質(zhì)1:對于任意一個(gè)常數(shù)c'>0,對于所有x∈RD有:

    性質(zhì)2:設(shè)X是從S中抽取的均勻隨機(jī)數(shù)

    式(4)來自于馬爾可夫不等式,式(6)來自于局部協(xié)方差條件。

    基于以上兩個(gè)性質(zhì),把u2-u1寫成(u2H-u1H)+(u2⊥-u1⊥)。

    第一項(xiàng)可以由性質(zhì)1限定:

    對于第二項(xiàng),設(shè)EX表示從S中隨機(jī)均勻選取的期望,有

    因此本文提出的SP-FJLT 可以選擇最佳的U進(jìn)行劃分,最大限度減少了數(shù)據(jù)間的相似性損失,擁有良好的保距性能。

    4 實(shí)驗(yàn)與分析

    4.1 評價(jià)指標(biāo)

    實(shí)驗(yàn)中以異常檢測的檢測率(Detection Rate,DR)和誤報(bào)率(False Alarm Rate,F(xiàn)AR)來檢驗(yàn)本文LSBFAD 算法的性能。DR 表示檢測出的測試數(shù)據(jù)(TP+TN)占所有測試數(shù)據(jù)(P+N)的比例,同時(shí)反映了正常數(shù)據(jù)和異常數(shù)據(jù)分類的正確率;FAR表示誤檢的測試數(shù)據(jù)(FP+FN)占所有測試數(shù)據(jù)(P+N)的比例,其中包括了把正常數(shù)據(jù)檢測成異常情況和把異常數(shù)據(jù)判定成正常情況。計(jì)算公式如下:

    對于每組數(shù)據(jù)集,選取其中80%的正常數(shù)據(jù)作為訓(xùn)練集,20%的正常數(shù)據(jù)以及異常數(shù)據(jù)作為測試集。每組實(shí)驗(yàn)重復(fù)20次,通過平均的DR和FAR來衡量結(jié)果。

    4.2 仿真數(shù)據(jù)集

    為了充分展現(xiàn)算法在不同數(shù)據(jù)分布下的異常檢測性能,挑選了三個(gè)不同領(lǐng)域中的大規(guī)模高維仿真IIoT數(shù)據(jù)集進(jìn)行對比實(shí)驗(yàn),這三個(gè)數(shù)據(jù)集是IIoT領(lǐng)域常用的數(shù)據(jù)評測數(shù)據(jù)集。

    1)SIFT(https://archive.ics.uci.edu/ml/datasets.php):圖像數(shù)據(jù)集,含15 000條正常數(shù)據(jù)和500條異常數(shù)據(jù)。

    2)MNIST(https://moa.cms.waikato.ac.nz/datasets/):手寫數(shù)字識別的數(shù)據(jù)集,含32 000條正常數(shù)據(jù)和600條異常數(shù)據(jù)。

    3)FMA(http://mlkd.csd.auth.gr/conceptDrift.html):音頻數(shù)據(jù)集,含25 000條正常數(shù)據(jù)和1 000條異常數(shù)據(jù)。

    4.3 實(shí)驗(yàn)結(jié)果及分析

    實(shí)驗(yàn)1:比較本文提出的SP-FJLT 投影算法與傳統(tǒng)的LSH(Locality-Sensitive Hashing)投影[24]算法的保距性能。SP-FJLT和LSH 投影后的數(shù)據(jù)保留5、10、15、20、25 個(gè)哈希位映射到Bloom Filter,通過DR 來比較兩種投影算法的保距性能,實(shí)驗(yàn)結(jié)果如圖2 所示??梢钥闯觯涸谌齻€(gè)不同的IIoT 數(shù)據(jù)集上,本文提出的SP-FJLT 算法的保距性能明顯優(yōu)于LSH 算法,因此SP-FJLT 算法更適合異常檢測模型。SP-FJLT 算法能夠盡可能降低數(shù)據(jù)的失真程度,讓數(shù)據(jù)通過哈希后能夠準(zhǔn)確地映射到Bloom Filter的向量位中。

    圖2 SP-FJLT算法和LSH算法的保距性比較Fig.2 Comparison of SP-FJLT algorithm and LSH algorithm on distance keeping performance

    實(shí)驗(yàn)2:探究相互競爭的參數(shù)β對DR的影響。在實(shí)驗(yàn)中,將參數(shù)β分別取值為0.7、0.75、0.8、0.85、0.9,并且投影后保留15 個(gè)哈希位映射到Bloom Filter 中,比較不同取值β下在SIFT、MNIST 和FMA 數(shù)據(jù)集的DR,實(shí)驗(yàn)結(jié)果如表1 所示。可以看出:隨著參數(shù)β的增大,算法的DR 也隨之增高。但是,β的最佳取值范圍在0.80~0.85,超過這個(gè)取值范圍后,算法檢測率下降。算法DR 隨β增大的原因是假陰性不斷下降,但在超過最佳取值范圍后,增大參數(shù)β的取值會讓算法的假陽性增大,因此參數(shù)β的最佳取值在0.80~0.85。

    表1 β在SIFT、MNIST和FMA數(shù)據(jù)集上對檢測率的影響Tab.1 Influence of β on detection rate on SIFT,MNIST and FMA datasets

    實(shí)驗(yàn)3:將本文提出的LSBF 異常檢測算法與如下算法在IIoT領(lǐng)域的三個(gè)數(shù)據(jù)集上進(jìn)行對比,結(jié)果如表2所示。

    表2 在SIFT、MNIST和FMA數(shù)據(jù)集上的對比實(shí)驗(yàn)結(jié)果 單位:%Tab.2 Experimental results of comparison on SIFT,MNIST and FMA datasets unit:%

    MUVAD(Nearest Neighbor based Multi-View Anomaly Detection)[25]:該算法提出了一個(gè)異常度量標(biāo)準(zhǔn),并利用這個(gè)標(biāo)準(zhǔn)來制定MUVAD 的目標(biāo),以顯式地估計(jì)正常實(shí)例集,提高異常檢測算法的精度。

    Fast-ODT(Fast Outlier Detection Tree)[26]:使用離群檢測樹,構(gòu)造一個(gè)分類樹將數(shù)據(jù)集分類為兩個(gè)類,然后,使用樹中的if-then規(guī)則將每個(gè)數(shù)據(jù)點(diǎn)分為離群點(diǎn)和正常點(diǎn)。

    HUAD(Hybrid Unsupervised Anomaly Detection)[27]:該模型集成了卷積自編碼器和高斯回歸來提取特征和去除噪聲數(shù)據(jù)中的異常,并且對數(shù)據(jù)集異常率的變化具有更強(qiáng)的魯棒性。

    DDAD(Distance-based Distributed Anomaly Detection)[28]:該算法通過低維平面距離觀測數(shù)據(jù)的近似分布來實(shí)現(xiàn)異常檢測,并且可以有效地?cái)U(kuò)展到多個(gè)維度。這些近似也可以用于其他應(yīng)用程序,例如范圍查詢的在線估計(jì)。通過估計(jì)數(shù)據(jù)的潛在分布來識別異常,并且以分散的方式處理盡可能多的數(shù)據(jù)。

    GFUAD(Geometric Framework for Unsupervised Anomaly Detection)[29]:該算法提出了一種新的無監(jiān)督異常檢測的幾何框架,將數(shù)據(jù)元素映射到一個(gè)特征空間,通過確定哪些點(diǎn)位于特征空間的稀疏區(qū)域來檢測異常。提出了兩個(gè)特征映射數(shù)據(jù)元素到特征空間:第一個(gè)映射是一個(gè)依賴于數(shù)據(jù)的規(guī)范化特征映射,將其應(yīng)用于網(wǎng)絡(luò)連接;第二個(gè)特性映射是一個(gè)頻譜內(nèi)核,將其應(yīng)用于系統(tǒng)調(diào)用跟蹤。

    通過實(shí)驗(yàn)3發(fā)現(xiàn),本文提出的LSBFAD 算法在三種IIoT數(shù)據(jù)集上的DR 都要優(yōu)于對比的異常檢測算法,且LSBFAD 算法的FAR 都低于10%,這說明LSBFAD 算法在DR 和FAR 都體現(xiàn)出了更加優(yōu)秀的性能,能夠有效檢測出隱性異常;并且LSBFAD 算法訓(xùn)練Bloom Filter 模型的過程中只需要正常數(shù)據(jù),不需要異常數(shù)據(jù),這也提高了模型的通用性。

    5 結(jié)語

    工業(yè)物聯(lián)網(wǎng)系統(tǒng)已呈現(xiàn)出廣闊的應(yīng)用前景,但是傳感器設(shè)備由于持續(xù)使用和正常磨損出現(xiàn)損壞,導(dǎo)致收集和記錄的傳感數(shù)據(jù)出現(xiàn)異常,大規(guī)模高維特征的存在可能掩蓋異常的存在,隱性異常難以被檢測系統(tǒng)檢測。因此構(gòu)建一個(gè)性能良好的異常檢測算法對IIoT 的實(shí)際應(yīng)用具有非常重要的意義。本文提出了基于局部敏感Bloom Filter 的異常檢測算法LSBFAD。該算法利用SP-FJLT 投影算法以及MC 策略將數(shù)據(jù)映射到Bloom Filter 中。在三個(gè)不同領(lǐng)域的IIoT 數(shù)據(jù)集SIFT、MNIST和FMA上進(jìn)行實(shí)驗(yàn),結(jié)果表明,本文提出的LSBFAD算法與主流的異常檢測算法相比檢測精度具有明顯優(yōu)勢。

    在未來研究中,我們將從低失真的投影方法出發(fā),找到更加符合數(shù)據(jù)投影的哈希方法,以進(jìn)一步來降低數(shù)據(jù)的失真程度;此外,對于哈希后的數(shù)據(jù)對象特征的進(jìn)一步探測,也是未來研究工作的重點(diǎn)。

    猜你喜歡
    哈希投影編碼
    基于SAR-SIFT和快速稀疏編碼的合成孔徑雷達(dá)圖像配準(zhǔn)
    解變分不等式的一種二次投影算法
    《全元詩》未編碼疑難字考辨十五則
    基于最大相關(guān)熵的簇稀疏仿射投影算法
    子帶編碼在圖像壓縮編碼中的應(yīng)用
    電子制作(2019年22期)2020-01-14 03:16:24
    找投影
    找投影
    Genome and healthcare
    基于OpenCV與均值哈希算法的人臉相似識別系統(tǒng)
    基于維度分解的哈希多維快速流分類算法
    可以在线观看毛片的网站| 日韩欧美三级三区| 九色亚洲精品在线播放| x7x7x7水蜜桃| 琪琪午夜伦伦电影理论片6080| 日本黄色视频三级网站网址| 国产在线精品亚洲第一网站| 久久人妻福利社区极品人妻图片| 丁香欧美五月| 日日夜夜操网爽| 男女床上黄色一级片免费看| 18禁观看日本| 熟女少妇亚洲综合色aaa.| 日韩av在线大香蕉| 成人av一区二区三区在线看| 国产成人免费无遮挡视频| 日韩一卡2卡3卡4卡2021年| 免费高清在线观看日韩| 亚洲精品一区av在线观看| 欧美日韩国产mv在线观看视频| 日本撒尿小便嘘嘘汇集6| 久久精品人人爽人人爽视色| 亚洲欧美日韩无卡精品| 在线观看66精品国产| 欧美中文综合在线视频| 夜夜爽天天搞| 国产精品国产av在线观看| 久久久久久免费高清国产稀缺| netflix在线观看网站| svipshipincom国产片| 久99久视频精品免费| 香蕉国产在线看| 电影成人av| 日韩视频一区二区在线观看| 亚洲久久久国产精品| 在线观看免费视频网站a站| 亚洲国产精品999在线| 大码成人一级视频| 日韩欧美免费精品| 精品国产美女av久久久久小说| 国产精品免费视频内射| 日韩av在线大香蕉| 一区二区日韩欧美中文字幕| 久久狼人影院| 精品国产超薄肉色丝袜足j| 精品久久久久久成人av| 亚洲七黄色美女视频| 午夜免费成人在线视频| 免费观看精品视频网站| 国产黄色免费在线视频| 自线自在国产av| 啦啦啦在线免费观看视频4| 少妇的丰满在线观看| 真人一进一出gif抽搐免费| 免费女性裸体啪啪无遮挡网站| a级片在线免费高清观看视频| 午夜免费成人在线视频| 色老头精品视频在线观看| 最近最新中文字幕大全电影3 | 自线自在国产av| 中文字幕高清在线视频| 极品人妻少妇av视频| 中文字幕另类日韩欧美亚洲嫩草| 男女床上黄色一级片免费看| 国产成年人精品一区二区 | 成人免费观看视频高清| 黑人巨大精品欧美一区二区蜜桃| 国产人伦9x9x在线观看| 高清毛片免费观看视频网站 | 丰满的人妻完整版| 激情视频va一区二区三区| 中文字幕av电影在线播放| av片东京热男人的天堂| 如日韩欧美国产精品一区二区三区| 黄色女人牲交| 免费在线观看影片大全网站| 日韩国内少妇激情av| 午夜成年电影在线免费观看| 后天国语完整版免费观看| 国产一区二区三区在线臀色熟女 | 国产成人精品在线电影| 欧美日本亚洲视频在线播放| 一级a爱视频在线免费观看| 亚洲欧美一区二区三区久久| 精品第一国产精品| 精品欧美一区二区三区在线| 久久久国产成人免费| 日日干狠狠操夜夜爽| 国产一区二区在线av高清观看| 日韩精品免费视频一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 黄网站色视频无遮挡免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 国产无遮挡羞羞视频在线观看| xxxhd国产人妻xxx| 欧美黄色淫秽网站| 亚洲人成电影观看| 成人免费观看视频高清| 日本免费一区二区三区高清不卡 | 中文欧美无线码| 免费观看人在逋| 亚洲,欧美精品.| 伊人久久大香线蕉亚洲五| 91老司机精品| 中文字幕色久视频| 日韩有码中文字幕| 麻豆av在线久日| 亚洲熟妇熟女久久| 久热这里只有精品99| 国产深夜福利视频在线观看| 欧美日韩av久久| 精品久久久久久成人av| 日韩有码中文字幕| 久久久久久久久久久久大奶| 99久久99久久久精品蜜桃| aaaaa片日本免费| 国产欧美日韩一区二区精品| 国产精品国产av在线观看| 国产成人系列免费观看| 欧美日本亚洲视频在线播放| 91字幕亚洲| 久久婷婷成人综合色麻豆| 老熟妇乱子伦视频在线观看| 91在线观看av| 国产麻豆69| 两个人免费观看高清视频| 欧美最黄视频在线播放免费 | 最好的美女福利视频网| 亚洲va日本ⅴa欧美va伊人久久| 国产区一区二久久| 午夜福利一区二区在线看| 成人18禁高潮啪啪吃奶动态图| 久久久精品欧美日韩精品| 身体一侧抽搐| xxxhd国产人妻xxx| 亚洲aⅴ乱码一区二区在线播放 | 精品熟女少妇八av免费久了| 精品免费久久久久久久清纯| 国产亚洲欧美在线一区二区| 18禁美女被吸乳视频| 长腿黑丝高跟| 精品国产美女av久久久久小说| 亚洲国产精品sss在线观看 | 国产深夜福利视频在线观看| 999精品在线视频| 又紧又爽又黄一区二区| 亚洲国产精品合色在线| 97人妻天天添夜夜摸| 欧美国产精品va在线观看不卡| 91九色精品人成在线观看| 日日摸夜夜添夜夜添小说| 脱女人内裤的视频| xxx96com| 男女高潮啪啪啪动态图| 国产成人欧美在线观看| 欧美成人免费av一区二区三区| 操出白浆在线播放| 久久久久九九精品影院| 亚洲五月天丁香| 久久精品亚洲av国产电影网| 超色免费av| 日韩av在线大香蕉| 中国美女看黄片| 欧美午夜高清在线| 一a级毛片在线观看| 80岁老熟妇乱子伦牲交| 久久天堂一区二区三区四区| 午夜福利在线免费观看网站| 欧美乱妇无乱码| 久久久久国产精品人妻aⅴ院| 亚洲aⅴ乱码一区二区在线播放 | 国产高清激情床上av| 老司机亚洲免费影院| 我的亚洲天堂| 亚洲一区高清亚洲精品| 99国产精品一区二区蜜桃av| 欧美国产精品va在线观看不卡| 久久香蕉国产精品| 亚洲成人久久性| 看免费av毛片| 欧美另类亚洲清纯唯美| 看免费av毛片| 九色亚洲精品在线播放| 动漫黄色视频在线观看| 999久久久精品免费观看国产| 一级a爱片免费观看的视频| 美女高潮喷水抽搐中文字幕| 9热在线视频观看99| 每晚都被弄得嗷嗷叫到高潮| 久久精品国产亚洲av香蕉五月| 午夜亚洲福利在线播放| 亚洲av第一区精品v没综合| 91精品三级在线观看| 日韩欧美一区二区三区在线观看| 巨乳人妻的诱惑在线观看| 国产xxxxx性猛交| 好男人电影高清在线观看| 成人av一区二区三区在线看| 国产精品影院久久| 999久久久国产精品视频| 久久人人精品亚洲av| 欧美一区二区精品小视频在线| 久久久国产欧美日韩av| 国产欧美日韩精品亚洲av| 国产亚洲欧美在线一区二区| 久久精品国产亚洲av高清一级| 中文欧美无线码| 免费不卡黄色视频| 中文字幕av电影在线播放| 麻豆久久精品国产亚洲av | 叶爱在线成人免费视频播放| 久久人妻熟女aⅴ| 日韩高清综合在线| 一级作爱视频免费观看| 性少妇av在线| 成熟少妇高潮喷水视频| 国产精品一区二区在线不卡| 亚洲色图综合在线观看| 精品久久久精品久久久| 激情在线观看视频在线高清| 黄网站色视频无遮挡免费观看| 国产欧美日韩一区二区三区在线| 国产精品影院久久| 国产又爽黄色视频| 欧美日韩亚洲综合一区二区三区_| 青草久久国产| 视频区图区小说| 久久草成人影院| 欧美大码av| 91精品国产国语对白视频| 欧美乱色亚洲激情| 一级黄色大片毛片| 色哟哟哟哟哟哟| 精品人妻1区二区| 男女做爰动态图高潮gif福利片 | 无限看片的www在线观看| 久热爱精品视频在线9| 丝袜在线中文字幕| 无遮挡黄片免费观看| 国产高清激情床上av| 19禁男女啪啪无遮挡网站| 午夜亚洲福利在线播放| 中亚洲国语对白在线视频| 真人一进一出gif抽搐免费| 夜夜夜夜夜久久久久| 国产人伦9x9x在线观看| 99久久99久久久精品蜜桃| 午夜激情av网站| 少妇粗大呻吟视频| 精品国产一区二区三区四区第35| 中文字幕人妻丝袜一区二区| 香蕉丝袜av| 久久精品成人免费网站| 99久久国产精品久久久| 久久久国产一区二区| 久久久久久久久免费视频了| 我的亚洲天堂| 热re99久久国产66热| 欧美精品亚洲一区二区| 激情视频va一区二区三区| 亚洲成人免费av在线播放| 一进一出好大好爽视频| 欧美日韩亚洲综合一区二区三区_| 亚洲色图 男人天堂 中文字幕| 亚洲男人的天堂狠狠| 99精品在免费线老司机午夜| 成年版毛片免费区| 国产精品影院久久| 欧美午夜高清在线| 国内毛片毛片毛片毛片毛片| 免费在线观看黄色视频的| 免费av中文字幕在线| 精品卡一卡二卡四卡免费| 少妇 在线观看| 99国产极品粉嫩在线观看| 日本精品一区二区三区蜜桃| 男女下面插进去视频免费观看| 如日韩欧美国产精品一区二区三区| 中出人妻视频一区二区| 亚洲色图综合在线观看| 水蜜桃什么品种好| 日韩欧美国产一区二区入口| 国产欧美日韩一区二区三| 国产成人精品在线电影| 久久精品成人免费网站| 欧美日韩亚洲国产一区二区在线观看| 淫妇啪啪啪对白视频| 777久久人妻少妇嫩草av网站| 亚洲专区中文字幕在线| 午夜免费观看网址| 91成年电影在线观看| 久久久久久久久久久久大奶| 女人精品久久久久毛片| 91在线观看av| 亚洲少妇的诱惑av| 色综合站精品国产| 国产aⅴ精品一区二区三区波| 黄色a级毛片大全视频| 麻豆成人av在线观看| 国产真人三级小视频在线观看| 国产av精品麻豆| 99热国产这里只有精品6| 亚洲精品久久午夜乱码| 午夜两性在线视频| 婷婷六月久久综合丁香| 中文字幕另类日韩欧美亚洲嫩草| 美女 人体艺术 gogo| 成年女人毛片免费观看观看9| 精品欧美一区二区三区在线| 精品午夜福利视频在线观看一区| www国产在线视频色| 色婷婷av一区二区三区视频| 操出白浆在线播放| 欧美乱妇无乱码| 69精品国产乱码久久久| 久久草成人影院| 久久精品国产99精品国产亚洲性色 | 嫩草影视91久久| 国产精品乱码一区二三区的特点 | 欧美黄色片欧美黄色片| 欧美av亚洲av综合av国产av| 亚洲专区国产一区二区| 欧美日韩av久久| 一级a爱视频在线免费观看| 一级a爱片免费观看的视频| 视频区欧美日本亚洲| 99香蕉大伊视频| 黄色怎么调成土黄色| 身体一侧抽搐| 亚洲熟妇中文字幕五十中出 | 在线观看免费视频日本深夜| 搡老岳熟女国产| 久久中文字幕一级| 精品无人区乱码1区二区| 午夜日韩欧美国产| 一a级毛片在线观看| 男人的好看免费观看在线视频 | 日韩有码中文字幕| 夜夜躁狠狠躁天天躁| 国产精品免费视频内射| 丁香欧美五月| 亚洲九九香蕉| 性少妇av在线| 99国产精品99久久久久| 亚洲国产欧美日韩在线播放| 亚洲av美国av| 日韩大码丰满熟妇| 亚洲中文日韩欧美视频| 欧美日韩亚洲高清精品| 在线免费观看的www视频| 最近最新免费中文字幕在线| 9色porny在线观看| 亚洲成人免费电影在线观看| 黄色女人牲交| 久久亚洲真实| 成熟少妇高潮喷水视频| a级毛片黄视频| 美女大奶头视频| 少妇裸体淫交视频免费看高清 | 免费av毛片视频| 免费搜索国产男女视频| 欧美大码av| 久热爱精品视频在线9| av欧美777| 亚洲精品中文字幕一二三四区| 女人被狂操c到高潮| 免费在线观看视频国产中文字幕亚洲| 老司机靠b影院| 国产精品影院久久| 午夜福利欧美成人| 亚洲视频免费观看视频| 日本精品一区二区三区蜜桃| 午夜福利免费观看在线| 最近最新中文字幕大全免费视频| av超薄肉色丝袜交足视频| 18美女黄网站色大片免费观看| 十八禁人妻一区二区| 欧美日韩视频精品一区| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲免费av在线视频| av网站在线播放免费| 国产精品久久电影中文字幕| 国产成人av激情在线播放| 99国产精品99久久久久| 亚洲精品成人av观看孕妇| 亚洲 欧美 日韩 在线 免费| 亚洲国产欧美日韩在线播放| 国产精品影院久久| 一a级毛片在线观看| 19禁男女啪啪无遮挡网站| 露出奶头的视频| 久久99一区二区三区| 午夜免费激情av| 人人妻人人澡人人看| 欧美中文综合在线视频| 欧美乱码精品一区二区三区| 99久久人妻综合| 丝袜美腿诱惑在线| 狂野欧美激情性xxxx| 国产精品国产高清国产av| 国产又爽黄色视频| 国产成人精品久久二区二区91| 欧美另类亚洲清纯唯美| aaaaa片日本免费| 久久青草综合色| 日本免费一区二区三区高清不卡 | 在线永久观看黄色视频| 18禁裸乳无遮挡免费网站照片 | 亚洲自偷自拍图片 自拍| 免费少妇av软件| 色精品久久人妻99蜜桃| 国产精品一区二区在线不卡| 激情视频va一区二区三区| 国产一区二区三区综合在线观看| 午夜精品久久久久久毛片777| 国产精品野战在线观看 | 男人的好看免费观看在线视频 | www.精华液| 亚洲欧美日韩另类电影网站| 大陆偷拍与自拍| 丰满人妻熟妇乱又伦精品不卡| 久久香蕉精品热| 久久精品影院6| 一进一出抽搐动态| 欧美日韩国产mv在线观看视频| 欧美av亚洲av综合av国产av| 大型av网站在线播放| 国产av一区在线观看免费| 日本黄色视频三级网站网址| 成年人免费黄色播放视频| 免费在线观看亚洲国产| 久久精品亚洲精品国产色婷小说| 啦啦啦免费观看视频1| 一级片免费观看大全| 精品第一国产精品| 老熟妇仑乱视频hdxx| 大陆偷拍与自拍| 欧美另类亚洲清纯唯美| 麻豆成人av在线观看| 亚洲精品美女久久久久99蜜臀| 精品国产一区二区久久| 亚洲自偷自拍图片 自拍| 精品一区二区三卡| 在线观看午夜福利视频| 黄色怎么调成土黄色| 99精品久久久久人妻精品| 97超级碰碰碰精品色视频在线观看| 男女高潮啪啪啪动态图| a级毛片黄视频| 97碰自拍视频| 天堂动漫精品| 啪啪无遮挡十八禁网站| 老司机午夜十八禁免费视频| 人人澡人人妻人| 免费日韩欧美在线观看| 一进一出抽搐gif免费好疼 | 国产精品久久久久久人妻精品电影| av片东京热男人的天堂| 国产成人av激情在线播放| 97人妻天天添夜夜摸| 国产三级在线视频| 国产一区二区激情短视频| 黄片大片在线免费观看| 免费久久久久久久精品成人欧美视频| 一级毛片高清免费大全| 丰满饥渴人妻一区二区三| 国产真人三级小视频在线观看| 黑丝袜美女国产一区| 国产麻豆69| 又紧又爽又黄一区二区| 美女高潮喷水抽搐中文字幕| 国产成人av教育| 老汉色∧v一级毛片| 大型av网站在线播放| 91精品国产国语对白视频| 深夜精品福利| 成人三级做爰电影| 97碰自拍视频| 国产精品偷伦视频观看了| 午夜福利影视在线免费观看| 岛国视频午夜一区免费看| 亚洲免费av在线视频| 国产99白浆流出| 久久精品国产亚洲av高清一级| 午夜免费鲁丝| 男女做爰动态图高潮gif福利片 | 欧美日本中文国产一区发布| 午夜久久久在线观看| 国产av在哪里看| 在线观看日韩欧美| 在线观看www视频免费| 少妇裸体淫交视频免费看高清 | 久久香蕉激情| 岛国在线观看网站| 亚洲,欧美精品.| 成年女人毛片免费观看观看9| 亚洲精品在线观看二区| 亚洲五月婷婷丁香| 午夜福利影视在线免费观看| 日本精品一区二区三区蜜桃| www.精华液| 波多野结衣av一区二区av| 免费搜索国产男女视频| 91九色精品人成在线观看| 免费在线观看完整版高清| 欧美黄色淫秽网站| 国产无遮挡羞羞视频在线观看| 中亚洲国语对白在线视频| 欧美乱码精品一区二区三区| 88av欧美| 伦理电影免费视频| 亚洲国产毛片av蜜桃av| 一进一出抽搐动态| 免费在线观看影片大全网站| 久久精品91无色码中文字幕| 精品高清国产在线一区| 黑丝袜美女国产一区| 最新在线观看一区二区三区| 亚洲人成网站在线播放欧美日韩| 国产一区二区三区在线臀色熟女 | 久久欧美精品欧美久久欧美| 18美女黄网站色大片免费观看| 热99国产精品久久久久久7| 99国产精品免费福利视频| √禁漫天堂资源中文www| 乱人伦中国视频| 久久午夜亚洲精品久久| 亚洲欧美日韩另类电影网站| 国产有黄有色有爽视频| 看黄色毛片网站| 精品久久久久久久毛片微露脸| 亚洲情色 制服丝袜| 一a级毛片在线观看| 成年女人毛片免费观看观看9| 欧美+亚洲+日韩+国产| 在线观看免费日韩欧美大片| 激情在线观看视频在线高清| 国产av精品麻豆| 黑人操中国人逼视频| 黑丝袜美女国产一区| 一级毛片高清免费大全| 深夜精品福利| 级片在线观看| 精品国产一区二区三区四区第35| 一级作爱视频免费观看| 亚洲欧美日韩另类电影网站| 免费女性裸体啪啪无遮挡网站| 久久 成人 亚洲| 色综合站精品国产| 99久久99久久久精品蜜桃| 黄色视频,在线免费观看| 一级毛片精品| 亚洲精品一二三| www.精华液| 亚洲精品久久成人aⅴ小说| 欧美成人免费av一区二区三区| 国产av在哪里看| 国产极品粉嫩免费观看在线| 在线观看www视频免费| 18美女黄网站色大片免费观看| av电影中文网址| 国产免费现黄频在线看| 日韩大尺度精品在线看网址 | 亚洲精品久久成人aⅴ小说| 中文字幕色久视频| 男女下面进入的视频免费午夜 | 欧美 亚洲 国产 日韩一| 久久久久久大精品| 亚洲欧美日韩高清在线视频| 久久中文看片网| 亚洲精品国产色婷婷电影| 午夜福利一区二区在线看| 免费久久久久久久精品成人欧美视频| 久久国产乱子伦精品免费另类| 午夜老司机福利片| 99国产极品粉嫩在线观看| 国产成人欧美在线观看| av天堂在线播放| 很黄的视频免费| 12—13女人毛片做爰片一| 青草久久国产| 久久久久久免费高清国产稀缺| 一区二区三区精品91| 动漫黄色视频在线观看| 超色免费av| 亚洲中文字幕日韩| 如日韩欧美国产精品一区二区三区| 丰满饥渴人妻一区二区三| 视频在线观看一区二区三区| 九色亚洲精品在线播放| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美日韩另类电影网站| 夜夜爽天天搞| 欧美不卡视频在线免费观看 | 露出奶头的视频| 午夜日韩欧美国产| 日本黄色日本黄色录像| 9色porny在线观看| www.999成人在线观看| 免费观看精品视频网站| 国产午夜精品久久久久久| 免费在线观看日本一区| 啦啦啦 在线观看视频| 日日摸夜夜添夜夜添小说| 成在线人永久免费视频| 欧美激情久久久久久爽电影 | 亚洲aⅴ乱码一区二区在线播放 | 欧美日韩瑟瑟在线播放| 一个人观看的视频www高清免费观看 | 色老头精品视频在线观看| 母亲3免费完整高清在线观看| 亚洲一区中文字幕在线| 国产精品 国内视频| 黑人巨大精品欧美一区二区mp4| 国产精品偷伦视频观看了|