• <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 ?

    5G支撐網(wǎng)告警數(shù)據(jù)的故障定位方法

    2022-02-03 06:14:14楊敏
    移動(dòng)通信 2022年12期
    關(guān)鍵詞:增量特征提取滑動(dòng)

    楊敏

    (中電科普天科技股份有限公司,廣東 廣州 510000)

    0 引言

    5G 時(shí)代各大運(yùn)營(yíng)商為了爭(zhēng)奪用戶,不僅為用戶提供了多樣化、質(zhì)量更高的通信服務(wù),還采用全方位、高質(zhì)量的運(yùn)維支撐網(wǎng),以多樣化自動(dòng)化的手段及時(shí)響應(yīng)用戶需求,提高用戶感知水平。但是,隨著電信網(wǎng)規(guī)模的不斷擴(kuò)大,電信網(wǎng)中的運(yùn)維支撐網(wǎng)絡(luò)結(jié)構(gòu)越來(lái)越復(fù)雜,當(dāng)支撐網(wǎng)某一個(gè)位置產(chǎn)生故障時(shí),其他位置可能產(chǎn)生一連串的告警事件,因此可能在短時(shí)間內(nèi)產(chǎn)生種類繁多、信息冗余的告警事件,運(yùn)維人員通常無(wú)法在短時(shí)間內(nèi)對(duì)無(wú)效的告警信息進(jìn)行剔除,也不能準(zhǔn)確對(duì)告警的故障位置進(jìn)行精準(zhǔn)定位。國(guó)內(nèi)外已經(jīng)有不少學(xué)者研究如何通過(guò)告警事件的關(guān)聯(lián)實(shí)現(xiàn)故障根因分析。Yan 等人[1]提出一種大型IP 網(wǎng)絡(luò)服務(wù)質(zhì)量管理的通用根本原因分析平臺(tái),該平臺(tái)將根因分析過(guò)程抽象為癥狀和診斷事件的特征識(shí)別、時(shí)間和空間事件相關(guān)性以及基于上述的特征和事件相關(guān)性進(jìn)行推理邏輯,最終形成一個(gè)全面的服務(wù)依賴性模型,包括網(wǎng)絡(luò)拓?fù)浜涂鐚雨P(guān)系、協(xié)議交互和控制平面依賴性。Li 等人[2]提出一種基于網(wǎng)絡(luò)拓?fù)浜透婢木W(wǎng)絡(luò)根因故障定位,該文對(duì)長(zhǎng)告警數(shù)據(jù)的輸出序列進(jìn)行預(yù)處理,在獲取網(wǎng)絡(luò)拓?fù)湫畔⒌幕A(chǔ)上,使用支持向量機(jī)判斷存在的根故障后,使用貝葉斯網(wǎng)絡(luò)計(jì)算每一種故障類型的最高概率,并結(jié)合過(guò)濾規(guī)則實(shí)現(xiàn)故障定位。Ding 等人[3]提出了一種5G 網(wǎng)絡(luò)管理系統(tǒng)現(xiàn)場(chǎng)實(shí)時(shí)報(bào)警根本原因定位算法,該算法從時(shí)間和空間維度上充分探索報(bào)警之間的關(guān)系,通過(guò)報(bào)警關(guān)聯(lián)時(shí)間、報(bào)警事件劃分、報(bào)警事件拓?fù)渖傻燃夹g(shù)實(shí)現(xiàn)在線報(bào)警數(shù)據(jù)壓縮,這種方法大大提高了故障的定位速度和精準(zhǔn)性。Li 等人[4]提出基于關(guān)聯(lián)規(guī)則挖掘的電信網(wǎng)絡(luò)告警相關(guān)性分析系統(tǒng),該系統(tǒng)首先使用神經(jīng)網(wǎng)絡(luò)對(duì)不同級(jí)別的報(bào)警進(jìn)行分類,然后利用加權(quán)頻繁模式樹(shù)結(jié)構(gòu)的優(yōu)化技術(shù)來(lái)提高挖掘效率。Javanbakht 等人[5]采用深度學(xué)習(xí)的方法實(shí)現(xiàn)告警數(shù)據(jù)的根因分析,該方法首先收集歷史告警數(shù)據(jù),并對(duì)告警的標(biāo)簽進(jìn)行排序并將其轉(zhuǎn)化為數(shù)值向量;然后采用融合注意力BiLSTM CNN 分類器來(lái)學(xué)習(xí)歷史報(bào)警數(shù)據(jù)之間的相關(guān)性并實(shí)現(xiàn)告警數(shù)據(jù)與故障位置的模型訓(xùn)練;最后,將該模型用于在線故障檢測(cè)。由此可知,相關(guān)研究工作主要集中在歷史告警數(shù)據(jù)關(guān)聯(lián)挖掘,告警規(guī)則、告警壓縮,而實(shí)際應(yīng)用需要更快、更準(zhǔn)確的故障定位;除此以外,由于告警事件的更新速度很快,如果采用歷史告警數(shù)據(jù)構(gòu)建告警根本原因定位模型,其無(wú)法對(duì)抗動(dòng)態(tài)多變的網(wǎng)絡(luò)攻擊行為。

    因此,本文提出一種支撐網(wǎng)告警數(shù)據(jù)的故障定位方法,該方法采用深度學(xué)習(xí)的方法提取一系列告警事件的時(shí)空特征,通過(guò)關(guān)聯(lián)規(guī)則實(shí)現(xiàn)時(shí)空特征的有效關(guān)聯(lián),對(duì)無(wú)效關(guān)聯(lián)的事件進(jìn)行剔除,實(shí)現(xiàn)告警壓縮;在此基礎(chǔ)上,采用增量式BP 神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練告警數(shù)據(jù)與故障位置的關(guān)聯(lián)性并實(shí)時(shí)加入新的告警事件對(duì)模型進(jìn)行增量式更新,從而動(dòng)態(tài)適應(yīng)動(dòng)態(tài)多變的網(wǎng)絡(luò)環(huán)境。

    1 告警事件特征提取及告警關(guān)聯(lián)

    1.1 告警事件特征提取

    告警事件特征提取是從大量冗余的告警事件中提取出不同事件之間的相關(guān)性,這種相關(guān)性一般體現(xiàn)為告警事件之間的時(shí)空特征,時(shí)間特征體現(xiàn)為告警事件發(fā)生的先后順序,空間特征與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)有直接關(guān)系。

    國(guó)內(nèi)外有告警事件特征提取方法,包括采用聚類方法[6-9]對(duì)告警事件的時(shí)空特征進(jìn)行聚類,從而將不同時(shí)間、網(wǎng)絡(luò)拓?fù)涞母婢录M(jìn)行區(qū)分,簡(jiǎn)化網(wǎng)絡(luò)告警事件處理復(fù)雜度;采用機(jī)器學(xué)習(xí)[10-13]的方法訓(xùn)練告警事件和故障定位的關(guān)系模型,實(shí)現(xiàn)告警特征的自動(dòng)提?。徊捎蒙疃葘W(xué)習(xí)[14-18]的方法自動(dòng)抽取告警事件的多維度特征,從而有效地從大量的告警事件中學(xué)習(xí)到故障的語(yǔ)義信息,保證了故障定位的有效性和可行性。

    由此可知,告警事件的特征關(guān)系分析研究中,采用聚類事件、關(guān)聯(lián)規(guī)則的方法能夠在一定程度上探究告警事件的時(shí)間和空間的特征,但是這種方法的時(shí)間復(fù)雜度和空間復(fù)雜度極高,僅適用于基站數(shù)量不多的小區(qū)網(wǎng)絡(luò),對(duì)于眾多擁有超密集小區(qū)的地區(qū)來(lái)說(shuō),這種方法所耗費(fèi)的計(jì)算資源過(guò)多,因此不適用于對(duì)于整個(gè)通信大網(wǎng)的分析;而機(jī)器學(xué)習(xí)的方法則能夠?qū)崿F(xiàn)告警事件的自動(dòng)化挖掘,得到的信息更加豐富全面;而深度學(xué)習(xí)的特征提取方法,通過(guò)將海量的告警事件按照時(shí)間排序,然后再采用深度學(xué)習(xí)的方法實(shí)現(xiàn)告警事件深淺層語(yǔ)義的學(xué)習(xí),最后將深淺層語(yǔ)義進(jìn)行融合,實(shí)現(xiàn)告警事件特征粗細(xì)粒度的提取。

    基于上述的分析,本文選用深度學(xué)習(xí)的方法提取告警事件的多維特征,首先將每一個(gè)觀測(cè)周期的告警事件按照時(shí)間進(jìn)行排序,多個(gè)觀察周期的告警事件形成一個(gè)二維矩陣數(shù)據(jù);考慮到告警事件具有冗余的特性,本文采用滑動(dòng)時(shí)間窗口的方式對(duì)冗余的告警事件進(jìn)行剔除,并將原始的告警事件轉(zhuǎn)化為告警事務(wù)數(shù)據(jù),同一個(gè)時(shí)間窗口中的告警事件可能由同一個(gè)網(wǎng)絡(luò)故障原因引起的并且不同告警事件所引發(fā)的告警范圍和告警時(shí)間長(zhǎng)短不一,因此,通過(guò)動(dòng)態(tài)時(shí)間窗口滑動(dòng)的方法實(shí)現(xiàn)了告警事件在時(shí)間上的強(qiáng)關(guān)聯(lián);最后,采用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)自主提取告警事件的多維度語(yǔ)義特征,為后續(xù)的故障定位提供可靠的數(shù)據(jù)支撐。

    1.2 告警事件關(guān)聯(lián)分析

    告警事件的關(guān)聯(lián)分析是通過(guò)整理大量的告警數(shù)據(jù)并將其作為一個(gè)整體進(jìn)行分析并挖掘告警事件中的相關(guān)性,通常采用過(guò)濾、壓縮或歸納告警事件,使用邏輯推理的方式分析發(fā)生的告警事件流,同時(shí)對(duì)告警數(shù)據(jù)進(jìn)行模式識(shí)別以找到網(wǎng)絡(luò)問(wèn)題、故障。

    國(guó)內(nèi)外有告警事件特征關(guān)聯(lián)方法,包括采用關(guān)聯(lián)規(guī)則[19-21]的方法挖掘告警序列之間的時(shí)間關(guān)系,確定告警規(guī)則所屬的關(guān)系,實(shí)現(xiàn)故障源的追溯、冗余告警信息的壓縮;采用因果模型[22-25]對(duì)告警事件的相似性構(gòu)建攻擊場(chǎng)景序列集合,然后利用概率統(tǒng)計(jì)方法實(shí)現(xiàn)告警類型之間的關(guān)聯(lián),從而有效識(shí)別多步攻擊模式;采用神經(jīng)網(wǎng)絡(luò)[26-28]的方法解決傳統(tǒng)告警關(guān)聯(lián)方法中所需的復(fù)雜邏輯推理的難題,能夠根據(jù)不同層次的關(guān)聯(lián)需求靈活調(diào)整神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu),并能夠根據(jù)網(wǎng)絡(luò)中的參數(shù)大小確定告警事件與故障類型的相關(guān)關(guān)系。

    基于上述的分析,本文選用增量式BP 神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練告警數(shù)據(jù)與故障位置的關(guān)聯(lián)性,通過(guò)實(shí)時(shí)加入新的告警事件對(duì)模型進(jìn)行增量式更新,獲取告警事件與故障類型的動(dòng)態(tài)關(guān)聯(lián),精確確定引起告警事件的故障類型,從而動(dòng)態(tài)適應(yīng)動(dòng)態(tài)多變的網(wǎng)絡(luò)環(huán)境。

    2 基于人工智能的告警事件關(guān)聯(lián)故障定位方法

    2.1 告警事件關(guān)聯(lián)故障定位的框架

    告警時(shí)間定位的整體流程包括告警實(shí)事件預(yù)處理、告警事件特征提取和告警事務(wù)數(shù)據(jù)關(guān)聯(lián)分析。具體如圖1 所示。

    圖1 告警事件關(guān)聯(lián)故障定位整體框架圖

    在告警事件預(yù)處理過(guò)程中,需要抽取影響故障根因分析的關(guān)鍵字段,雖然每一個(gè)告警事件包含很多告警屬性,但是故障定位僅需要幾個(gè)關(guān)鍵的屬性,比如:告警事件編碼、告警內(nèi)容、告警位置、告警級(jí)別。

    將上述的告警字段進(jìn)行抽取,形成一條告警數(shù)據(jù)應(yīng)用于本文所設(shè)計(jì)的告警事件特征提取和告警事件關(guān)聯(lián)分析中。

    2.2 告警事件特征提取

    由于原始的告警數(shù)據(jù)無(wú)法直接用于特征提取,因此,本文對(duì)每一個(gè)周期的原始告警數(shù)據(jù)根據(jù)時(shí)間序列進(jìn)行排列,構(gòu)建一個(gè)二維矩陣數(shù)據(jù)。告警事件特征提取如圖2 所示。

    圖2 原始告警事件按照時(shí)間排列示意圖

    圖2 是原始告警事件按照時(shí)間排列的結(jié)果,告警事件S={s,Ts,Te}根據(jù)告警發(fā)生的時(shí)間進(jìn)行排序。s 表示告警事件序列,s={A,B,E,A,C,B,D,E}。[Ts,Te]表示告警事件的觀察周期,圖2 的觀察周期為[0,60]。本文設(shè)置告警事件的觀察周期是1 小時(shí)。由圖2 可知,隨著時(shí)間推進(jìn),告警事件會(huì)有重疊,發(fā)生時(shí)間早的告警事件有可能重疊度越高。

    考慮到不同告警事件所引發(fā)的告警范圍和告警時(shí)間長(zhǎng)短不一,結(jié)合實(shí)際的網(wǎng)絡(luò)運(yùn)維經(jīng)驗(yàn),采用動(dòng)態(tài)時(shí)間窗口滑動(dòng)的方法實(shí)現(xiàn)了告警事件在時(shí)間上的強(qiáng)關(guān)聯(lián)。如果告警事件的故障定位精度低于閾值,那么就縮小滑動(dòng)窗口的寬度和滑動(dòng)步長(zhǎng);相反,如果告警事件的故障定位精度高于閾值,那么就擴(kuò)大滑動(dòng)窗口的寬度和滑動(dòng)步長(zhǎng)。如此,就能根據(jù)滑動(dòng)窗口的大小來(lái)調(diào)整系統(tǒng)中告警的數(shù)量,避免由于窗口過(guò)大導(dǎo)致告警事務(wù)數(shù)據(jù)中包含太多冗余信息,無(wú)法有效挖掘關(guān)聯(lián)規(guī)則。同時(shí),動(dòng)態(tài)的步長(zhǎng)也能保證兩個(gè)滑動(dòng)時(shí)間窗口的重疊度,避免了由于窗口重疊過(guò)多,人為增強(qiáng)了兩個(gè)窗口之間的相關(guān)性,增加故障定位的復(fù)雜度和干擾性。

    假設(shè)Sw={w,h,ts,te} 為序列S的其中一個(gè)滑動(dòng)窗口,其中w表示窗口寬度,te -ts表示滑動(dòng)步長(zhǎng),步長(zhǎng)小于觀察周期?;瑒?dòng)窗口對(duì)告警事件的提取過(guò)程如圖3 所示。

    圖3 滑動(dòng)窗口示意圖

    圖3 展現(xiàn)滑動(dòng)窗口提取告警事件的過(guò)程,藍(lán)色虛線框表示窗口1,綠色虛線框表示窗口2,窗口大小為w×h。步長(zhǎng)和窗口寬度如圖所示。一般來(lái)說(shuō)滑動(dòng)窗口的步長(zhǎng)小于窗口寬度。

    同一個(gè)時(shí)間窗口中的告警事件可能由同一個(gè)網(wǎng)絡(luò)故障原因引起,并且不同告警事件所引發(fā)的告警范圍和告警時(shí)間長(zhǎng)短不一,因此,通過(guò)動(dòng)態(tài)時(shí)間窗口滑動(dòng)的方法實(shí)現(xiàn)了告警事件在時(shí)間上的強(qiáng)關(guān)聯(lián);動(dòng)態(tài)滑動(dòng)窗口將原始的告警數(shù)據(jù)轉(zhuǎn)換成告警事務(wù)數(shù)據(jù)的技術(shù)路線圖如圖4 所示。

    圖4 動(dòng)態(tài)滑動(dòng)窗口技術(shù)路線圖

    本文基于累計(jì)誤差的思路實(shí)現(xiàn)滑動(dòng)窗口寬度和步長(zhǎng)的調(diào)整,在T-1 時(shí)刻,采用初始化的窗口對(duì)原始告警事件進(jìn)行處理,得到對(duì)應(yīng)的告警事務(wù)數(shù)據(jù)庫(kù);然后,告警事務(wù)數(shù)據(jù)經(jīng)過(guò)CNN 多維語(yǔ)義特征提取、增量式BP 網(wǎng)絡(luò)實(shí)現(xiàn)告警事務(wù)數(shù)據(jù)特征與故障類型關(guān)聯(lián)后,實(shí)現(xiàn)多種故障分類的預(yù)測(cè),并給出每一種故障分類的概率,確定故障類型;結(jié)合序列模式挖掘方法,確定現(xiàn)有告警數(shù)據(jù)序列與相關(guān)位置發(fā)生故障所產(chǎn)生的告警事件序列的匹配度,預(yù)測(cè)故障發(fā)生的位置;在T+1 觀察周期得知上一觀察周期故障實(shí)際發(fā)生的位置與T 觀察周期故障預(yù)測(cè)的位置進(jìn)行誤差分析,得到T觀察周期故障定位誤差eT,定位誤差eT取值為0 或1。如果故障預(yù)測(cè)定位與真實(shí)定位一致,那么eT取值為0;否則,eT取值為1。同理,T 觀察周期和T+1 觀察周期的原始告警事件也是經(jīng)過(guò)同樣的過(guò)程對(duì)數(shù)據(jù)進(jìn)行處理,得到T+1 觀察周期故障定位誤差eT+1。

    計(jì)算T+1 觀察周期的累積誤差:

    判斷誤差是否大于設(shè)定的閾值,如果大于閾值,那么縮小滑動(dòng)窗口寬度和步長(zhǎng);相反,擴(kuò)大滑動(dòng)窗口寬度和步長(zhǎng)。調(diào)整滑動(dòng)窗口寬度和步長(zhǎng)變化值的公式為:

    其中,w0表示初始的滑動(dòng)窗口寬度,表示初始的滑動(dòng)步長(zhǎng)大小。C與累計(jì)誤差有關(guān),誤差越大,滑動(dòng)窗口寬度和步長(zhǎng)變化值越大:

    其中,k是常數(shù)。

    在T+2 觀察周期,滑動(dòng)窗口的寬度和步長(zhǎng)調(diào)整為:

    2.3 告警事務(wù)數(shù)據(jù)的多維語(yǔ)義特征分析

    對(duì)每一個(gè)觀察周期進(jìn)行動(dòng)態(tài)滑動(dòng)窗口提取后,按照滑動(dòng)的順序進(jìn)行排列。本文采用二維數(shù)組定義告警事務(wù)數(shù)據(jù)庫(kù),定義二維數(shù)組a[m][n],其中m 為某一個(gè)周期采用動(dòng)態(tài)滑動(dòng)窗口所獲取的告警事件數(shù)量,n 是字符串的大小,一般取一個(gè)設(shè)定的值。二維數(shù)組排列的順序按照時(shí)間順序存放告警事件,即內(nèi)存中按照順序存放第一個(gè)滑動(dòng)窗口提取的告警事件,再放第二滑動(dòng)窗口提取的告警事件,依次存放。為了方便后續(xù)的特征提取,本文對(duì)每一個(gè)窗口提取的告警事件轉(zhuǎn)化成字符串填充到每一行中,由于每一行的告警原因代碼大小有可能不一致,因此,對(duì)每一行空白的元素采用0 進(jìn)行填充,構(gòu)建特定尺寸的告警事務(wù)數(shù)據(jù)庫(kù),如圖5 所示。

    圖5 構(gòu)建告警事務(wù)數(shù)據(jù)庫(kù)

    為了提取告警事務(wù)的多維語(yǔ)義特征,本文采用CNN對(duì)告警事務(wù)數(shù)據(jù)采用不同大小的卷積核進(jìn)行特征提取,由淺入深提取告警事務(wù)數(shù)據(jù)的時(shí)間和空間深淺層次特征,再通過(guò)融合層對(duì)淺層數(shù)據(jù)語(yǔ)義和深層數(shù)據(jù)語(yǔ)義的信息進(jìn)行融合,實(shí)現(xiàn)告警事務(wù)數(shù)據(jù)的多維語(yǔ)義特征分析。特征提取和融合過(guò)程如圖6 所示。

    圖6 CNN實(shí)現(xiàn)深淺層的時(shí)空特征提取

    2.4 增量式BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

    采用增量式BP 神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練告警數(shù)據(jù)與故障位置的關(guān)聯(lián)性并實(shí)時(shí)加入新的告警事件對(duì)模型進(jìn)行增量式更新。增量式BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過(guò)程如圖7 所示。

    圖7 增量式BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過(guò)程

    (1)對(duì)歷史告警事務(wù)數(shù)據(jù)時(shí)空特征進(jìn)行學(xué)習(xí),并訓(xùn)練得出初始神經(jīng)網(wǎng)絡(luò)模型。當(dāng)新的告警事件出現(xiàn)后,將新的告警事件進(jìn)行預(yù)處理、多維特征提取后,放入到初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,獲得更新后的神經(jīng)網(wǎng)絡(luò)模型。

    (2)考慮到更新后的神經(jīng)網(wǎng)絡(luò)是采用新的告警事件進(jìn)行訓(xùn)練的,因此,更新后的神經(jīng)網(wǎng)絡(luò)的參數(shù)可能會(huì)更偏向新的告警數(shù)據(jù),為了防止神經(jīng)網(wǎng)絡(luò)遺忘之前學(xué)過(guò)的知識(shí),本文采用有選擇性地選擇神經(jīng)網(wǎng)絡(luò)的參數(shù),比如選擇變動(dòng)范圍小于θ(一般取0-10%范圍內(nèi))的參數(shù)作為原始神經(jīng)網(wǎng)絡(luò)模型的參數(shù),至于變動(dòng)大于10%的參數(shù)則將其剔除。如此,增量式BP 神經(jīng)網(wǎng)絡(luò)模型通過(guò)學(xué)習(xí)新的告警事件改進(jìn)模型的泛化性能,同時(shí)保留之前學(xué)習(xí)過(guò)的知識(shí)。

    (3)基于增量式BP 神經(jīng)網(wǎng)絡(luò)判斷支撐網(wǎng)告警的故障類型,實(shí)現(xiàn)故障識(shí)別。

    2.5 基于序列模式挖掘的故障精準(zhǔn)定位

    設(shè)備從異常發(fā)生演變到故障是一個(gè)具有較強(qiáng)時(shí)序性和關(guān)聯(lián)性的過(guò)程,考慮到物理網(wǎng)絡(luò)拓?fù)浜托畔⑾到y(tǒng)傳輸鏈路具有密切的耦合關(guān)系,因此,告警事件雖然存在冗余,但是這些告警事件具有一定的共性規(guī)律,通過(guò)挖掘這些告警事件序列模式,可以對(duì)信息系統(tǒng)的故障類型與物理網(wǎng)絡(luò)每一個(gè)關(guān)鍵設(shè)備的運(yùn)行異常狀態(tài)所引致的故障類型進(jìn)行匹配,實(shí)現(xiàn)物理位置故障的精準(zhǔn)定位。

    在某一個(gè)觀測(cè)周期內(nèi),某一個(gè)物理位置的全部狀態(tài)片段Sp(ti) 按照時(shí)序進(jìn)行排序,形成該設(shè)備運(yùn)行過(guò)程異常狀態(tài)鏈:

    其中,Sp(tj) 表示在觀測(cè)周期內(nèi),產(chǎn)生的第j個(gè)異常狀態(tài)信息。

    在此基礎(chǔ)上,采用序列模式挖掘T時(shí)刻Qp(T) 的頻繁模式。假設(shè)異常序列模式Tpi屬于頻繁序列模式,其必須滿足:在頻繁序列模式集中不存在任一個(gè)模式Tpj,滿足Tpj?Tpi,且support(Tpj)≥support(Tpi),以各項(xiàng)目count值降序依次為頭節(jié)點(diǎn)和其他節(jié)點(diǎn),生成條件模式基,然后采用條件模式基構(gòu)造對(duì)應(yīng)的FP 樹(shù),并按照設(shè)定支持度的閾值判斷相應(yīng)的頻繁序列模式。

    在獲取頻繁序列模式的基礎(chǔ)上,采用模式識(shí)別法判斷該異常頻繁序列模式的故障類型,并將Top K(k 一般取3)的故障類型與上一節(jié)基于增量式BP 神經(jīng)網(wǎng)絡(luò)判斷支撐網(wǎng)告警的故障類型進(jìn)行匹配,如果匹配成功,則將該物理設(shè)備作為重點(diǎn)排查的對(duì)象,實(shí)現(xiàn)故障位置的精準(zhǔn)定位。

    3 實(shí)驗(yàn)分析

    為了評(píng)估5G 支撐網(wǎng)告警數(shù)據(jù)定位故障的性能,在某市聯(lián)通5G 試驗(yàn)網(wǎng)中進(jìn)行測(cè)試,通過(guò)模擬告警數(shù)據(jù)的方式來(lái)測(cè)試故障定位算法的性能。這些數(shù)據(jù)來(lái)自底層網(wǎng)絡(luò)設(shè)備,通過(guò)將原始告警數(shù)據(jù)進(jìn)行預(yù)處理和動(dòng)態(tài)滑動(dòng)窗口處理后,整理出格式統(tǒng)一的告警信息,然后以二維數(shù)組的方式存儲(chǔ)在告警數(shù)據(jù)庫(kù)中,然后再進(jìn)行特征提取和故障定位。

    原始告警數(shù)據(jù)經(jīng)過(guò)預(yù)處理和滑動(dòng)窗口處理后的告警信息處理格式如表1 所示。

    表1 5G支撐網(wǎng)部分告警信息示意圖

    然后,采用二維數(shù)組的形式將告警事件(告警事件轉(zhuǎn)化為字符串)存儲(chǔ)在告警數(shù)據(jù)庫(kù)中,格式如圖8 所示。

    圖8 告警數(shù)據(jù)庫(kù)的存儲(chǔ)過(guò)程

    在獲取告警數(shù)據(jù)庫(kù)后,采用CNN 進(jìn)行特征提取告警數(shù)據(jù)的多維語(yǔ)義特征,并將其輸入BP 神經(jīng)網(wǎng)絡(luò)中,將告警數(shù)據(jù)多維特征與故障位置進(jìn)行關(guān)聯(lián),構(gòu)建告警數(shù)據(jù)多維特征與故障位置的映射關(guān)系。

    考慮到告警數(shù)據(jù)的動(dòng)態(tài)性和隨機(jī)性,為了保證告警數(shù)據(jù)與故障位置映射的精準(zhǔn)性,采用增量式BP 神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建新的告警事件與故障位置映射關(guān)系的持續(xù)更新。首先,通過(guò)歷史告警數(shù)據(jù)特征訓(xùn)練BP 神經(jīng)網(wǎng)絡(luò)的參數(shù);然后,采用新的告警數(shù)特征訓(xùn)練新的BP 神經(jīng)網(wǎng)絡(luò)參數(shù),為了降低模型的計(jì)算復(fù)雜度,在新的BP 神經(jīng)網(wǎng)絡(luò)參數(shù)初始化的過(guò)程中,采用有選擇性地選擇神經(jīng)網(wǎng)絡(luò)的參數(shù)放進(jìn)新的BP 神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,并結(jié)合新的告警數(shù)據(jù)特征更新BP 神經(jīng)網(wǎng)絡(luò)參數(shù)。具體如圖9 所示。

    圖9 增量式BP神經(jīng)網(wǎng)絡(luò)參數(shù)更新過(guò)程

    基于上述的分析,得到每一個(gè)周期設(shè)備故障位置。將該故障位置與基于模式識(shí)別法判斷的故障位置進(jìn)行匹配,如果匹配成功,則認(rèn)為該物理設(shè)備作為重點(diǎn)排查的對(duì)象,實(shí)現(xiàn)故障位置的精準(zhǔn)定位。

    上述方法中,有2 個(gè)關(guān)鍵因素會(huì)影響故障定位的精準(zhǔn)性:滑動(dòng)窗口大小的選擇以及選擇多少比例的BP 神經(jīng)網(wǎng)絡(luò)參數(shù)來(lái)初始化新BP 神經(jīng)網(wǎng)絡(luò)參數(shù),為了進(jìn)一步分析本文算法的性能,將基于動(dòng)態(tài)滑動(dòng)窗口的增量式BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和固定窗口的BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型進(jìn)行準(zhǔn)確率、不同θ的災(zāi)難遺忘對(duì)比,來(lái)反映本文提出方法的性能。

    3.1 準(zhǔn)確率對(duì)比

    準(zhǔn)確率是模式識(shí)別最重要的評(píng)價(jià)指標(biāo),本文采用平均準(zhǔn)確率反映隨著故障類別的增加,不同算法在準(zhǔn)確率上的表現(xiàn)(θ=5%)。具體的對(duì)比結(jié)果如圖10 所示。

    圖10 準(zhǔn)確率對(duì)比

    相比于固定滑動(dòng)窗口的BP 神經(jīng)網(wǎng)絡(luò),動(dòng)態(tài)滑動(dòng)窗口的增量式BP 神經(jīng)網(wǎng)絡(luò)故障類別平均準(zhǔn)確率更高、更加穩(wěn)定,這說(shuō)明本文的方法在構(gòu)建增量學(xué)習(xí)過(guò)程中,能夠?qū)π碌闹R(shí)進(jìn)行有效學(xué)習(xí),能夠應(yīng)對(duì)動(dòng)態(tài)多變的網(wǎng)絡(luò)攻擊行為。

    3.2 不同災(zāi)難遺忘對(duì)比

    為了對(duì)比不同災(zāi)難遺忘在保留模型參數(shù)比例的作用,本文將災(zāi)難遺忘分別設(shè)置為5%、8%、10%,對(duì)不同災(zāi)難遺忘隨著模型參數(shù)增加故障類型識(shí)別準(zhǔn)確率進(jìn)行對(duì)比。具體的對(duì)比結(jié)果如圖11 所示。

    圖11 不同參數(shù)變動(dòng)范圍準(zhǔn)確率對(duì)比

    由此可知,隨著模型參數(shù)量增加,故障類型識(shí)別準(zhǔn)確率呈現(xiàn)下降的趨勢(shì)。這是因?yàn)槟P蛥?shù)越多,通過(guò)增量學(xué)習(xí)實(shí)現(xiàn)模型局部參數(shù)更新時(shí),由于樣本量不足或者樣本本身的隨機(jī)性等因素所導(dǎo)致局部參數(shù)在更新過(guò)程中產(chǎn)生震蕩的現(xiàn)象,這種現(xiàn)象會(huì)導(dǎo)致故障類型識(shí)別率逐漸降低。另外,通過(guò)對(duì)比不同災(zāi)難遺忘率對(duì)應(yīng)的故障識(shí)別準(zhǔn)確率可知,災(zāi)難遺忘率為10% 時(shí),故障識(shí)別準(zhǔn)確率最高,這是因?yàn)楹线m的參數(shù)保留比例能夠較好保留原始模型的重要參數(shù),又能通過(guò)增量學(xué)習(xí)實(shí)現(xiàn)模型局部參數(shù)的更新,從而保證模型的識(shí)別能力。而災(zāi)難遺忘率5%或者20%時(shí),參數(shù)更新設(shè)置的條件過(guò)于嚴(yán)格或者寬松,很可能導(dǎo)致增量學(xué)習(xí)過(guò)程中重要參數(shù)更新范圍受限或者過(guò)于寬泛,從而導(dǎo)致某些模型重要的參數(shù)沒(méi)有得到更新或者某些參數(shù)沒(méi)有很好保留的情況,從而降低了模型識(shí)別的準(zhǔn)確率。

    4 結(jié)束語(yǔ)

    本文提出一種增量式BP 神經(jīng)網(wǎng)絡(luò)的支撐網(wǎng)告警數(shù)據(jù)的故障定位方法,該方法使用增量數(shù)據(jù)來(lái)學(xué)習(xí)增量的新類別知識(shí),并在增量迭代過(guò)程中采用參數(shù)變動(dòng)范圍閾值來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)參數(shù)的優(yōu)化,從而很好地描述動(dòng)態(tài)網(wǎng)絡(luò)攻擊行為的特征分布,在一定范圍內(nèi)減輕增量學(xué)習(xí)過(guò)程中的災(zāi)難性遺忘。實(shí)驗(yàn)表明,本文的方法與傳統(tǒng)固定滑動(dòng)窗口的BP 神經(jīng)網(wǎng)絡(luò)相比,在分類準(zhǔn)確率上表現(xiàn)出明顯優(yōu)勢(shì)。

    猜你喜歡
    增量特征提取滑動(dòng)
    提質(zhì)和增量之間的“辯證”
    “價(jià)增量減”型應(yīng)用題點(diǎn)撥
    一種新型滑動(dòng)叉拉花鍵夾具
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Big Little lies: No One Is Perfect
    Bagging RCSP腦電特征提取算法
    基于均衡增量近鄰查詢的位置隱私保護(hù)方法
    德州儀器(TI)發(fā)布了一對(duì)32位增量-累加模數(shù)轉(zhuǎn)換器(ADC):ADS1262和ADS126
    滑動(dòng)供電系統(tǒng)在城市軌道交通中的應(yīng)用
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    国产伦人伦偷精品视频| 欧美精品啪啪一区二区三区 | 亚洲视频免费观看视频| 一二三四社区在线视频社区8| 精品国产一区二区三区久久久樱花| 国产成人精品久久二区二区91| 一区在线观看完整版| 一级毛片电影观看| 亚洲一区中文字幕在线| 日韩精品免费视频一区二区三区| 免费女性裸体啪啪无遮挡网站| 国产国语露脸激情在线看| 制服人妻中文乱码| 又紧又爽又黄一区二区| 国产主播在线观看一区二区 | 老司机在亚洲福利影院| 亚洲精品久久成人aⅴ小说| 最近中文字幕2019免费版| 中文字幕人妻熟女乱码| 欧美日韩视频高清一区二区三区二| 黄色视频在线播放观看不卡| 80岁老熟妇乱子伦牲交| 男的添女的下面高潮视频| 国产一区亚洲一区在线观看| 免费在线观看视频国产中文字幕亚洲 | 在线观看免费日韩欧美大片| 男人添女人高潮全过程视频| 天天躁狠狠躁夜夜躁狠狠躁| 人人妻,人人澡人人爽秒播 | 老司机在亚洲福利影院| 亚洲欧美中文字幕日韩二区| 亚洲精品成人av观看孕妇| 亚洲av综合色区一区| 亚洲成人免费av在线播放| 青春草视频在线免费观看| 国产不卡av网站在线观看| 午夜福利乱码中文字幕| 日本91视频免费播放| 一区二区日韩欧美中文字幕| 亚洲,欧美,日韩| 亚洲成av片中文字幕在线观看| 欧美激情高清一区二区三区| 又大又爽又粗| 国产精品偷伦视频观看了| 日本vs欧美在线观看视频| 熟女少妇亚洲综合色aaa.| 看免费av毛片| 日日爽夜夜爽网站| 久久人人爽av亚洲精品天堂| 久久久国产一区二区| 亚洲人成电影免费在线| 国产熟女午夜一区二区三区| 一级,二级,三级黄色视频| 制服诱惑二区| 婷婷丁香在线五月| 夫妻午夜视频| 亚洲人成电影观看| 亚洲,欧美精品.| 老司机影院成人| 日日夜夜操网爽| 亚洲欧洲精品一区二区精品久久久| 男女国产视频网站| 一级毛片电影观看| 亚洲 欧美一区二区三区| 久久久精品国产亚洲av高清涩受| 免费观看av网站的网址| 国产在线视频一区二区| 蜜桃在线观看..| 国产黄色视频一区二区在线观看| 国产片特级美女逼逼视频| 一本大道久久a久久精品| 丝袜美足系列| 久久国产亚洲av麻豆专区| 制服人妻中文乱码| 国产激情久久老熟女| 国产成人一区二区三区免费视频网站 | 美女国产高潮福利片在线看| 99久久人妻综合| 丰满人妻熟妇乱又伦精品不卡| 国产极品粉嫩免费观看在线| 黄色片一级片一级黄色片| 午夜av观看不卡| 国产色视频综合| 最新的欧美精品一区二区| 欧美精品人与动牲交sv欧美| a级毛片在线看网站| 人成视频在线观看免费观看| 国产精品 国内视频| 欧美精品人与动牲交sv欧美| 日韩伦理黄色片| 国产精品 欧美亚洲| 国产精品一区二区精品视频观看| 亚洲久久久国产精品| 国产精品一国产av| 99久久99久久久精品蜜桃| 老熟女久久久| 人成视频在线观看免费观看| 久久久久精品国产欧美久久久 | 中文字幕精品免费在线观看视频| 亚洲视频免费观看视频| bbb黄色大片| 99久久综合免费| 国产在线一区二区三区精| videosex国产| 中文精品一卡2卡3卡4更新| a级毛片黄视频| 午夜福利乱码中文字幕| 99精品久久久久人妻精品| 亚洲欧美日韩高清在线视频 | 亚洲精品成人av观看孕妇| 午夜福利,免费看| 香蕉国产在线看| 啦啦啦在线免费观看视频4| 好男人电影高清在线观看| 午夜福利在线免费观看网站| 亚洲成国产人片在线观看| av不卡在线播放| avwww免费| 亚洲一区二区三区欧美精品| 男女高潮啪啪啪动态图| 少妇粗大呻吟视频| 精品国产一区二区三区久久久樱花| 精品欧美一区二区三区在线| 久久精品久久久久久久性| 日韩,欧美,国产一区二区三区| 国产国语露脸激情在线看| av电影中文网址| 国产又爽黄色视频| 欧美日韩成人在线一区二区| 国产成人精品久久二区二区免费| av视频免费观看在线观看| 超色免费av| 久久久精品94久久精品| 老汉色∧v一级毛片| 国产三级黄色录像| 国产成人欧美在线观看 | 国产成人影院久久av| 青青草视频在线视频观看| 三上悠亚av全集在线观看| 黑丝袜美女国产一区| 国产精品人妻久久久影院| 黄色视频在线播放观看不卡| 久久久国产精品麻豆| 七月丁香在线播放| 侵犯人妻中文字幕一二三四区| 欧美人与善性xxx| 女警被强在线播放| 九色亚洲精品在线播放| 国产一区二区激情短视频 | 2021少妇久久久久久久久久久| 日韩精品免费视频一区二区三区| 超色免费av| 久久国产亚洲av麻豆专区| tube8黄色片| 美女大奶头黄色视频| 久久人人爽av亚洲精品天堂| 午夜免费成人在线视频| 免费看十八禁软件| 精品高清国产在线一区| avwww免费| 中文欧美无线码| 国产成人免费无遮挡视频| 国产野战对白在线观看| 亚洲精品自拍成人| 在线观看免费高清a一片| 欧美精品高潮呻吟av久久| 免费看十八禁软件| 美国免费a级毛片| 欧美黑人精品巨大| 视频区图区小说| 国产精品久久久久成人av| 久久精品aⅴ一区二区三区四区| 大香蕉久久成人网| 婷婷色综合www| 考比视频在线观看| 国产一区二区在线观看av| 97人妻天天添夜夜摸| 久久亚洲国产成人精品v| 日本一区二区免费在线视频| 亚洲欧美日韩另类电影网站| 亚洲av日韩精品久久久久久密 | 韩国精品一区二区三区| 国产精品久久久久久人妻精品电影 | 欧美精品人与动牲交sv欧美| 亚洲av片天天在线观看| 考比视频在线观看| 一级毛片 在线播放| 午夜激情av网站| 深夜精品福利| 日韩av不卡免费在线播放| 亚洲av电影在线进入| 丝袜喷水一区| 日韩欧美一区视频在线观看| 美女中出高潮动态图| 亚洲国产精品999| 免费在线观看完整版高清| 中文字幕另类日韩欧美亚洲嫩草| 国产黄色免费在线视频| 操出白浆在线播放| 18禁裸乳无遮挡动漫免费视频| 青春草亚洲视频在线观看| 黄色a级毛片大全视频| 国语对白做爰xxxⅹ性视频网站| 国产高清国产精品国产三级| 国产片内射在线| 一本综合久久免费| 久久久久久久国产电影| 久久狼人影院| 在线看a的网站| 一边亲一边摸免费视频| 99国产精品一区二区三区| 亚洲av在线观看美女高潮| 成在线人永久免费视频| 又大又黄又爽视频免费| 精品国产国语对白av| 久久久国产欧美日韩av| 亚洲av日韩在线播放| 国产视频首页在线观看| 欧美亚洲日本最大视频资源| 80岁老熟妇乱子伦牲交| 亚洲七黄色美女视频| 色婷婷久久久亚洲欧美| 国产精品久久久久成人av| 一个人免费看片子| 国产av精品麻豆| 婷婷色综合大香蕉| 欧美少妇被猛烈插入视频| 国产成人a∨麻豆精品| 下体分泌物呈黄色| 精品亚洲成a人片在线观看| 欧美黑人欧美精品刺激| 永久免费av网站大全| 成年人黄色毛片网站| 久久久久国产一级毛片高清牌| av片东京热男人的天堂| 国产成人欧美在线观看 | 777米奇影视久久| 精品福利观看| 尾随美女入室| 亚洲熟女精品中文字幕| 精品少妇一区二区三区视频日本电影| 国产av精品麻豆| 国产一区二区 视频在线| 日本五十路高清| 欧美亚洲 丝袜 人妻 在线| 色播在线永久视频| 日韩电影二区| 天堂中文最新版在线下载| www.自偷自拍.com| 国产片特级美女逼逼视频| 国产欧美日韩一区二区三区在线| 成人午夜精彩视频在线观看| 欧美日本中文国产一区发布| 电影成人av| 一本—道久久a久久精品蜜桃钙片| 久久热在线av| 最近手机中文字幕大全| 亚洲五月色婷婷综合| 丝瓜视频免费看黄片| 人人妻人人爽人人添夜夜欢视频| 性色av乱码一区二区三区2| 久久九九热精品免费| 亚洲欧美日韩高清在线视频 | av天堂久久9| 十八禁高潮呻吟视频| 日韩大码丰满熟妇| 亚洲一区中文字幕在线| 少妇裸体淫交视频免费看高清 | 国产欧美亚洲国产| 婷婷色麻豆天堂久久| 2018国产大陆天天弄谢| 午夜激情av网站| 成年人免费黄色播放视频| 日本一区二区免费在线视频| 亚洲国产最新在线播放| 日本欧美视频一区| 纵有疾风起免费观看全集完整版| 欧美日韩亚洲国产一区二区在线观看 | 久久亚洲国产成人精品v| 交换朋友夫妻互换小说| 18禁裸乳无遮挡动漫免费视频| xxxhd国产人妻xxx| 在线观看www视频免费| 亚洲精品国产av蜜桃| 男女床上黄色一级片免费看| 精品福利永久在线观看| 女人精品久久久久毛片| 日日摸夜夜添夜夜爱| 免费看av在线观看网站| av视频免费观看在线观看| 欧美亚洲 丝袜 人妻 在线| 2021少妇久久久久久久久久久| 美女高潮到喷水免费观看| www.熟女人妻精品国产| 欧美黑人精品巨大| 亚洲综合色网址| 人人妻,人人澡人人爽秒播 | 国产亚洲av高清不卡| 黄频高清免费视频| 精品国产国语对白av| 亚洲国产日韩一区二区| 午夜免费鲁丝| 亚洲第一青青草原| 久久ye,这里只有精品| 国产精品麻豆人妻色哟哟久久| 免费观看a级毛片全部| 亚洲欧美一区二区三区国产| 高清黄色对白视频在线免费看| 91精品伊人久久大香线蕉| 一本一本久久a久久精品综合妖精| 国产激情久久老熟女| 日本91视频免费播放| 亚洲欧洲国产日韩| 飞空精品影院首页| 免费观看a级毛片全部| 麻豆乱淫一区二区| 这个男人来自地球电影免费观看| 久久精品亚洲熟妇少妇任你| 成年美女黄网站色视频大全免费| 咕卡用的链子| 日本黄色日本黄色录像| 久久久久久久精品精品| 老汉色av国产亚洲站长工具| 国产精品一区二区免费欧美 | 亚洲精品av麻豆狂野| 亚洲精品日本国产第一区| 精品国产一区二区三区四区第35| 天天操日日干夜夜撸| 久久久精品94久久精品| 免费在线观看影片大全网站 | 后天国语完整版免费观看| 亚洲精品久久午夜乱码| 免费看av在线观看网站| 国产精品一区二区在线观看99| 欧美国产精品一级二级三级| 欧美 日韩 精品 国产| 中文字幕另类日韩欧美亚洲嫩草| 在线观看国产h片| 亚洲精品一区蜜桃| 中文字幕另类日韩欧美亚洲嫩草| 国产男人的电影天堂91| 午夜视频精品福利| 日韩一本色道免费dvd| 午夜91福利影院| 成人午夜精彩视频在线观看| 日韩大片免费观看网站| 久久久久久免费高清国产稀缺| 午夜福利在线免费观看网站| 亚洲精品乱久久久久久| 王馨瑶露胸无遮挡在线观看| 天天影视国产精品| 19禁男女啪啪无遮挡网站| 亚洲欧美成人综合另类久久久| 欧美乱码精品一区二区三区| 极品少妇高潮喷水抽搐| 大陆偷拍与自拍| 99热网站在线观看| 老司机深夜福利视频在线观看 | 欧美97在线视频| 成年美女黄网站色视频大全免费| 一级毛片电影观看| 一级黄色大片毛片| 国产精品二区激情视频| 亚洲伊人久久精品综合| 伊人久久大香线蕉亚洲五| 成人黄色视频免费在线看| 国产精品国产三级国产专区5o| 国产黄色免费在线视频| 激情视频va一区二区三区| 国产黄色免费在线视频| 久久久精品区二区三区| 一区在线观看完整版| 超碰97精品在线观看| 最新的欧美精品一区二区| 一级黄色大片毛片| 久久性视频一级片| 9热在线视频观看99| 久久久久精品人妻al黑| 亚洲av男天堂| 免费少妇av软件| 电影成人av| 大话2 男鬼变身卡| 免费久久久久久久精品成人欧美视频| 免费在线观看影片大全网站 | videosex国产| 亚洲成国产人片在线观看| 亚洲熟女精品中文字幕| 成人国产av品久久久| 久久久久国产精品人妻一区二区| 亚洲精品美女久久av网站| 菩萨蛮人人尽说江南好唐韦庄| 国产黄色视频一区二区在线观看| 久久鲁丝午夜福利片| 18禁裸乳无遮挡动漫免费视频| 亚洲熟女毛片儿| 久久鲁丝午夜福利片| 午夜激情久久久久久久| 国产成人欧美| 美女脱内裤让男人舔精品视频| 欧美国产精品一级二级三级| 在线亚洲精品国产二区图片欧美| 91国产中文字幕| 国产精品免费视频内射| 久久九九热精品免费| 亚洲精品中文字幕在线视频| 香蕉国产在线看| 国产亚洲av高清不卡| 在线观看免费日韩欧美大片| 老司机靠b影院| 在线观看免费午夜福利视频| 中文字幕制服av| 免费在线观看黄色视频的| 自线自在国产av| 精品国产一区二区久久| videos熟女内射| 99热国产这里只有精品6| 少妇粗大呻吟视频| 菩萨蛮人人尽说江南好唐韦庄| 精品亚洲成a人片在线观看| 日本一区二区免费在线视频| 精品亚洲成a人片在线观看| 狂野欧美激情性xxxx| 美女中出高潮动态图| 免费av中文字幕在线| a级片在线免费高清观看视频| 中文字幕最新亚洲高清| 欧美人与善性xxx| 久久热在线av| 亚洲精品美女久久久久99蜜臀 | videosex国产| 一级毛片女人18水好多 | 久久国产亚洲av麻豆专区| 国产男女超爽视频在线观看| 2021少妇久久久久久久久久久| 一级a爱视频在线免费观看| 亚洲av欧美aⅴ国产| 欧美成人午夜精品| 亚洲天堂av无毛| 欧美+亚洲+日韩+国产| 日韩制服骚丝袜av| 亚洲欧美色中文字幕在线| 亚洲精品国产一区二区精华液| 精品人妻在线不人妻| 黑人欧美特级aaaaaa片| 五月开心婷婷网| 人妻人人澡人人爽人人| 日韩人妻精品一区2区三区| 99热全是精品| 18禁黄网站禁片午夜丰满| 精品亚洲乱码少妇综合久久| 免费久久久久久久精品成人欧美视频| 久久久精品区二区三区| 男人操女人黄网站| 99久久人妻综合| 日韩中文字幕视频在线看片| 人妻 亚洲 视频| 在线观看国产h片| 欧美激情极品国产一区二区三区| 亚洲欧美一区二区三区久久| 精品福利永久在线观看| 亚洲精品国产区一区二| 亚洲av男天堂| 国产av一区二区精品久久| 亚洲国产精品一区三区| 五月开心婷婷网| 欧美人与性动交α欧美软件| 亚洲精品久久久久久婷婷小说| 另类精品久久| 亚洲国产av新网站| 一区福利在线观看| 黄片播放在线免费| 亚洲成色77777| 亚洲自偷自拍图片 自拍| 一级,二级,三级黄色视频| 亚洲精品在线美女| 国产精品偷伦视频观看了| 一级黄片播放器| 国产又色又爽无遮挡免| videosex国产| 久久精品久久精品一区二区三区| 熟女av电影| 国产日韩一区二区三区精品不卡| 赤兔流量卡办理| 一级毛片电影观看| 久久亚洲国产成人精品v| 9色porny在线观看| 99国产精品免费福利视频| 亚洲欧美日韩高清在线视频 | 成人影院久久| 尾随美女入室| 黄片播放在线免费| 亚洲久久久国产精品| 爱豆传媒免费全集在线观看| 一二三四在线观看免费中文在| 精品一品国产午夜福利视频| 大香蕉久久成人网| 人妻人人澡人人爽人人| 考比视频在线观看| 性少妇av在线| 免费看av在线观看网站| 一本一本久久a久久精品综合妖精| 91国产中文字幕| 欧美少妇被猛烈插入视频| 中文字幕制服av| 国产熟女欧美一区二区| av又黄又爽大尺度在线免费看| 亚洲精品一卡2卡三卡4卡5卡 | 欧美日韩视频高清一区二区三区二| www.自偷自拍.com| 永久免费av网站大全| 国产成人av激情在线播放| av天堂在线播放| 日韩av不卡免费在线播放| 亚洲 欧美一区二区三区| 无遮挡黄片免费观看| 久久99精品国语久久久| 99九九在线精品视频| 亚洲人成网站在线观看播放| 少妇人妻 视频| 亚洲精品一卡2卡三卡4卡5卡 | 国语对白做爰xxxⅹ性视频网站| 久久久精品免费免费高清| 国产福利在线免费观看视频| 亚洲精品中文字幕在线视频| 可以免费在线观看a视频的电影网站| 宅男免费午夜| 亚洲av片天天在线观看| 亚洲一区二区三区欧美精品| 久久精品国产a三级三级三级| 2018国产大陆天天弄谢| 久久鲁丝午夜福利片| 老司机亚洲免费影院| 如日韩欧美国产精品一区二区三区| 亚洲伊人色综图| www.熟女人妻精品国产| 久久久国产精品麻豆| a 毛片基地| 观看av在线不卡| 一个人免费看片子| 黑人欧美特级aaaaaa片| 少妇裸体淫交视频免费看高清 | 悠悠久久av| 一本—道久久a久久精品蜜桃钙片| a级片在线免费高清观看视频| 欧美日韩国产mv在线观看视频| 久久久亚洲精品成人影院| 久久人人97超碰香蕉20202| 777米奇影视久久| 国产在线视频一区二区| 男人爽女人下面视频在线观看| 制服诱惑二区| 日韩 欧美 亚洲 中文字幕| 久久精品久久精品一区二区三区| 国产福利在线免费观看视频| 亚洲国产成人一精品久久久| 国产精品免费大片| 视频区欧美日本亚洲| 亚洲专区国产一区二区| 少妇人妻久久综合中文| 亚洲第一青青草原| 我要看黄色一级片免费的| 一区二区三区精品91| av在线老鸭窝| 久久久久久久久免费视频了| 亚洲九九香蕉| 国产精品久久久久久精品古装| av又黄又爽大尺度在线免费看| 捣出白浆h1v1| 老司机在亚洲福利影院| 亚洲国产av新网站| 熟女av电影| av不卡在线播放| 99精品久久久久人妻精品| 美女中出高潮动态图| 美女福利国产在线| 日韩大码丰满熟妇| 天天躁狠狠躁夜夜躁狠狠躁| 免费在线观看日本一区| 大型av网站在线播放| 自线自在国产av| av天堂久久9| 免费观看av网站的网址| 每晚都被弄得嗷嗷叫到高潮| 亚洲综合色网址| 女性生殖器流出的白浆| 一级黄片播放器| 一区二区av电影网| 青春草视频在线免费观看| 国产1区2区3区精品| 1024视频免费在线观看| 91成人精品电影| 免费在线观看日本一区| 亚洲国产欧美一区二区综合| 黑人巨大精品欧美一区二区蜜桃| 国产片内射在线| 肉色欧美久久久久久久蜜桃| 欧美日韩黄片免| 一边亲一边摸免费视频| 亚洲人成77777在线视频| 性色av一级| 又粗又硬又长又爽又黄的视频| 岛国毛片在线播放| 又紧又爽又黄一区二区| 亚洲成国产人片在线观看| www.av在线官网国产| 久久国产精品影院| 各种免费的搞黄视频| 国产精品九九99| 一边摸一边做爽爽视频免费| 在线av久久热| 美女高潮到喷水免费观看| 国产日韩欧美视频二区| 自拍欧美九色日韩亚洲蝌蚪91| 黄色一级大片看看| 亚洲专区国产一区二区|