• <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 ?

    一種改進(jìn)的模糊聚類日志異常檢測(cè)方法

    2022-08-15 04:51何書前孫學(xué)朝蔣文娟余緒杭
    現(xiàn)代電子技術(shù) 2022年16期
    關(guān)鍵詞:日志聚類監(jiān)督

    何書前,孫學(xué)朝,蔣文娟,余緒杭

    (1.海南師范大學(xué) 信息網(wǎng)絡(luò)與數(shù)據(jù)中心,海南 ???571158;2.海南師范大學(xué) 信息科學(xué)技術(shù)學(xué)院,海南 ???571158)

    異常檢測(cè)在大規(guī)模分布式信息系統(tǒng)運(yùn)行管理中有著重要的作用。通常是通過系統(tǒng)的運(yùn)行日志信息來進(jìn)行異常檢測(cè),但專業(yè)人員人工或半人工方式檢查日志的傳統(tǒng)運(yùn)維已經(jīng)不再適用于現(xiàn)代的大規(guī)模應(yīng)用系統(tǒng)的運(yùn)行管理。因此,基于大規(guī)模日志數(shù)據(jù)的自動(dòng)化異常檢測(cè)方法被學(xué)術(shù)界和工業(yè)界廣泛關(guān)注,成為了重要的研究熱點(diǎn)領(lǐng)域。異常檢測(cè)的日志數(shù)據(jù)分析過程分為日志收集、日志解析、特征提取和異常檢測(cè)四個(gè)部分。其中,根據(jù)所采用的數(shù)據(jù)類型和機(jī)器學(xué)習(xí)方法,異常檢測(cè)方法分為有監(jiān)督和無監(jiān)督兩種。有監(jiān)督類型需要有標(biāo)注的訓(xùn)練數(shù)據(jù)集,包括邏輯回歸、決策樹、支持向量機(jī)(Support Vector Machine,SVM)和深度神經(jīng)網(wǎng)絡(luò)等;而無監(jiān)督類型的數(shù)據(jù)集不需要數(shù)據(jù)標(biāo)簽,主要方法包括聚類、主成分分析(Principal Component Analysis,PCA)和不變量挖掘等。有監(jiān)督學(xué)習(xí)方法需要大量的人工標(biāo)注數(shù)據(jù)以獲得帶有統(tǒng)計(jì)特征的海量訓(xùn)練樣本,才能精確地預(yù)測(cè)日志異常的判斷結(jié)果。日志數(shù)據(jù)本身數(shù)據(jù)量巨大、內(nèi)容繁多復(fù)雜,人工標(biāo)注工作又需要專業(yè)的運(yùn)維人員手工完成,然而在實(shí)際的異常檢測(cè)應(yīng)用中,很難具備這樣的條件,故缺乏充足的標(biāo)注日志數(shù)據(jù)。此外,異常情況自身具有其獨(dú)特的不可預(yù)知性與關(guān)聯(lián)性,也導(dǎo)致一些異常情況的數(shù)據(jù)很難收集。鑒于以上的情況,無監(jiān)督的異常檢測(cè)方法具有其天然的優(yōu)勢(shì):首先,其不需要人工標(biāo)注數(shù)據(jù);其次,日志數(shù)據(jù)自帶學(xué)習(xí)的分布特性功能,樣本空間中潛在的異常情況可通過統(tǒng)計(jì)分布特性自適應(yīng)判決;最后,無監(jiān)督檢測(cè)方法簡(jiǎn)單高效,可用于實(shí)時(shí)應(yīng)用場(chǎng)景。本文研究一種基于無監(jiān)督學(xué)習(xí)的日志數(shù)據(jù)異常檢測(cè)方法。

    1 現(xiàn)有相關(guān)工作

    基于機(jī)器學(xué)習(xí)的異常檢測(cè)是從系統(tǒng)日志數(shù)據(jù)中學(xué)習(xí)正常運(yùn)行的關(guān)鍵特征向量,圍繞這些特征向量構(gòu)建機(jī)器學(xué)習(xí)模型,進(jìn)行無監(jiān)督聚類檢測(cè)出離群點(diǎn),即異常,通過比對(duì)這些關(guān)鍵特征向量來判別異常。

    有監(jiān)督方法:D.Jeon 等針對(duì)惡意IP 地址檢測(cè)問題,收集檢查數(shù)據(jù)包流量數(shù)據(jù)以及待保護(hù)IT 系統(tǒng)的日志數(shù)據(jù),通過邏輯回歸多階段分類得到90%以上的檢測(cè)識(shí)別率。Q.H.Vu 等針對(duì)網(wǎng)絡(luò)安全事件日志的網(wǎng)絡(luò)安全事件檢測(cè),提出了基于決策樹學(xué)習(xí)的網(wǎng)絡(luò)安全異常檢測(cè)方法。D.Saraswat 等從電網(wǎng)系統(tǒng)中收集事件日志數(shù)據(jù),提出了基于規(guī)則的分類器,采用支持向量機(jī)與改進(jìn)的最近鄰方法有效地預(yù)測(cè)故障事件。

    無監(jiān)督方法:O.Alghushairy 等圍繞信用卡交易中的欺詐監(jiān)測(cè)與網(wǎng)絡(luò)入侵監(jiān)測(cè)應(yīng)用,分析了各種全局與局部離群因子算法(Local Outlier Factor,LOF)的優(yōu)劣,并提出了改進(jìn)的快速數(shù)據(jù)局部LOF 異常監(jiān)測(cè)算法。文獻(xiàn)[5]針對(duì)云系統(tǒng)的日志記錄數(shù)據(jù),提出在線演進(jìn)的異常檢測(cè)框架,結(jié)合單類支持向量機(jī)(One?Class SVM)在線更新,實(shí)現(xiàn)了高精度的高維數(shù)據(jù)異常檢測(cè)。文獻(xiàn)[6]基于優(yōu)化的孤立森林(Isolation Forest)算法,通過監(jiān)測(cè)和分析容器的多維資源指標(biāo),提出了一種在線容器異常檢測(cè)系統(tǒng)。文獻(xiàn)[7]分析了各類控制臺(tái)日志的高維數(shù)據(jù),通過PCA 方法將數(shù)據(jù)映射到低維特征空間,利用異常點(diǎn)與整體數(shù)據(jù)樣本之間的距離來檢測(cè)異常點(diǎn),該方法準(zhǔn)確性高。文獻(xiàn)[8]提出了一種用于異常檢測(cè)的非結(jié)構(gòu)化日志分析技術(shù),使用日志解析器將日志數(shù)據(jù)結(jié)構(gòu)化,并根據(jù)日志參數(shù)關(guān)系進(jìn)行分組,通過提取分組中的不變量(Invariants Mining)來自動(dòng)檢測(cè)日志的異常。文獻(xiàn)[9]利用日志聚類的方法,采用層次聚類算法對(duì)Hadoop 應(yīng)用和微軟的在線服務(wù)系統(tǒng)的潛在故障問題進(jìn)行有效識(shí)別,大大減少了日志檢測(cè)的數(shù)量。文獻(xiàn)[10]將系統(tǒng)日志建模為自然語言序列數(shù)據(jù),使用長(zhǎng)短期記憶(Long Short?Term Memory,LSTM)深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)日志模式,但訓(xùn)練模型形成的日志模式偏離檢測(cè)異常。文獻(xiàn)[11]則采用自編碼深度神經(jīng)網(wǎng)絡(luò),通過學(xué)習(xí)超級(jí)計(jì)算機(jī)節(jié)點(diǎn)的正常行為來識(shí)別異常情況,異常檢測(cè)的準(zhǔn)確率介于88%和96%之間。文獻(xiàn)[12]對(duì)現(xiàn)有的日志數(shù)據(jù)異常檢測(cè)方法進(jìn)行了比較,提供了對(duì)6 種基于日志的最新異常檢測(cè)方法的詳細(xì)審查和評(píng)估,其中包括3 種有監(jiān)督的方法和3 種無監(jiān)督的方法,并且還發(fā)布了一個(gè)開放源代碼工具包供研究參考。文獻(xiàn)[13?14]基于安全日志數(shù)據(jù)和LSTM模型,提出了一個(gè)安全分析的異常檢測(cè)框架。綜上所述,現(xiàn)有研究采用了經(jīng)典的無監(jiān)督機(jī)器學(xué)習(xí)方法解決日志數(shù)據(jù)集的異常檢測(cè)問題,取得比較好的效果。但基于日志數(shù)據(jù)集的異常檢測(cè)問題仍然有較大的改進(jìn)空間。本文針對(duì)日志數(shù)據(jù)集的異常檢測(cè),采用模糊聚類的方法,相對(duì)于現(xiàn)有的無監(jiān)督學(xué)習(xí)方法,該方法進(jìn)一步提高了檢測(cè)性能。同時(shí),在日志數(shù)據(jù)的異常檢測(cè)中,正常與異常數(shù)據(jù)量偏差較大,存在不平衡數(shù)據(jù)集,對(duì)聚類結(jié)果影響較大。圍繞不平衡數(shù)據(jù)集的問題,本文從聚類評(píng)價(jià)指標(biāo)入手,引入不平衡補(bǔ)償因子,通過新的聚類評(píng)價(jià)指標(biāo)擴(kuò)大兩個(gè)不平衡聚群之間的中心距離,從而解決了不平衡問題。

    2 基于日志數(shù)據(jù)的異常檢測(cè)

    基于日志數(shù)據(jù)的異常檢測(cè)流程如圖1 所示,主要由4 個(gè)部分組成:原始系統(tǒng)數(shù)據(jù)采集、日志數(shù)據(jù)預(yù)處理與解析、特征提取與向量化和基于模型異常檢測(cè)。

    圖1 日志數(shù)據(jù)異常檢測(cè)流程

    1)原始系統(tǒng)日志數(shù)據(jù)采集是收集各類系統(tǒng),如分布 式 系 統(tǒng)HDFS、Spark,操 作 系 統(tǒng)Windows、安 卓 和MAC,服務(wù)器應(yīng)用Apache、OpenSSH 等的日志,該類日志包括系統(tǒng)狀態(tài)和運(yùn)行信息,每個(gè)日志包含時(shí)間戳、指示和操作等不同格式的文本信息,通常通過Kafka 等數(shù)據(jù)流傳輸抽取工具匯聚到集中的數(shù)據(jù)庫中。原始日志數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù),為了便于使用復(fù)雜機(jī)器學(xué)習(xí)的方法挖掘有價(jià)值的信息以用于異常檢測(cè),通常需要對(duì)日志進(jìn)行結(jié)構(gòu)化。

    2)日志數(shù)據(jù)預(yù)處理與解析即完成日志數(shù)據(jù)結(jié)構(gòu)化的工作,如文本信息的數(shù)值化、歸一化和模板化處理。

    3)特征提取和向量化是指通過固定間隔窗口、滑動(dòng)窗口或會(huì)話窗口將結(jié)構(gòu)化日志數(shù)據(jù)切分為特征序列,再執(zhí)行特征提取對(duì)數(shù)據(jù)序列進(jìn)行向量化(如事件計(jì)數(shù)向量),所有特征向量可形成特征矩陣。

    4)基于模型異常檢測(cè)是將特征矩陣輸送給機(jī)器學(xué)習(xí)模型進(jìn)行學(xué)習(xí)與訓(xùn)練,生成較高泛化能力的異常檢測(cè)模型,最后利用所構(gòu)建的模型識(shí)別新導(dǎo)入的日志序列是否存在異常。

    本文的工作主要是針對(duì)特征向量數(shù)據(jù)集,提出合適的機(jī)器學(xué)習(xí)模型,進(jìn)行異常檢測(cè)并提高異常檢測(cè)的性能。

    3 面向不均衡數(shù)據(jù)集的改進(jìn)模糊聚類方法

    3.1 模糊聚類方法相關(guān)模型

    模糊C 均值聚類(Fuzzy C?means Clustering,F(xiàn)CM)模型是將個(gè)采樣數(shù)據(jù)={,,…,x,…,x}分為個(gè)聚類,并搜索每組的聚類中心,使得非相似性指標(biāo)的價(jià)值函數(shù)達(dá)到最小。FCM 聚類的目標(biāo)函數(shù)為:

    目標(biāo)函數(shù)對(duì)uc求偏導(dǎo)取極值可得:

    3.2 改進(jìn)模糊聚類方法

    模糊聚類在很多應(yīng)用中取得了明顯效果,但數(shù)據(jù)分布的不平衡性將對(duì)模糊聚類的性能產(chǎn)生負(fù)面影響。兩個(gè)相鄰的數(shù)據(jù)群集分布不平衡,而模糊聚類因其目標(biāo)函數(shù)的局限性,在聚類過程中趨于均衡兩個(gè)類之間的容量,存在均勻效應(yīng),這樣就導(dǎo)致了一部分?jǐn)?shù)據(jù)點(diǎn)將錯(cuò)誤地劃分為少數(shù)據(jù)樣本的類別,較大地影響了不均衡數(shù)據(jù)集的分類性能。為解決不均衡數(shù)據(jù)集模糊聚類中存在的均勻效應(yīng)問題,提高聚類性能,本文引入新的模糊聚類有效性指標(biāo),通過進(jìn)一步放大聚類中心距離,從而影響模糊聚類目標(biāo)函數(shù),從而提高聚類的性能。通常異常檢測(cè)為2 個(gè)聚類中心,即=2;其中,為正常類,占了大比例數(shù)據(jù);為異常類,占了小部分?jǐn)?shù)據(jù)。因此,式(2)分開表述為:

    為便于后面的推導(dǎo),隸屬度簡(jiǎn)化為:

    代入式(4)、式(5)可得:

    針對(duì)不平衡數(shù)據(jù)集的應(yīng)用場(chǎng)景,假設(shè)當(dāng) ||不斷增加時(shí),少樣本類 ||可固定為常數(shù),則屬于正常類的數(shù)據(jù)將對(duì)異常類產(chǎn)生更大的影響。將 ||不斷增加的假設(shè)操作代入式(7)、式(8)可得:

    本文利用聚類性能指標(biāo)(Clustering Validity Index,CVI)來優(yōu)化不平衡問題。從類內(nèi)與類間的尺度評(píng)價(jià),分為類內(nèi)評(píng)價(jià)指標(biāo)(緊湊度準(zhǔn)則)和類間評(píng)價(jià)指標(biāo)(分離度準(zhǔn)則)。緊湊度準(zhǔn)則:

    分離度準(zhǔn)則是指兩個(gè)聚類中心的距離能夠準(zhǔn)確描述類間分離度,表示為:

    為了準(zhǔn)確評(píng)估類內(nèi)的聚合度和類間的分離度,將類內(nèi)緊湊度和類間分離度融合,得到聚類評(píng)估指標(biāo):

    根據(jù)式(10),評(píng)估指標(biāo)Sep 包含了不平衡補(bǔ)償因子,通過不平衡補(bǔ)償因子將類間距離拉開,可以解決不平衡數(shù)據(jù)聚類問題,其聚類目標(biāo)是找到最小的值即最優(yōu)的聚類結(jié)果。

    3.3 算法步驟

    本文基于模糊聚類和聚類評(píng)價(jià)指標(biāo),針對(duì)日志數(shù)據(jù)集中的不平衡問題,提出了一種改進(jìn)的模糊聚類日志異常檢測(cè)方法。算法由三大步驟組成:首先,模糊聚類算法用于訓(xùn)練數(shù)據(jù)集的聚類計(jì)算,以獲得數(shù)據(jù)集的統(tǒng)計(jì)分布特性和模糊屬性,即不同類型的數(shù)據(jù)點(diǎn)分配不同的隸屬權(quán)值;其次,采用模糊聚類評(píng)價(jià)準(zhǔn)則評(píng)估最優(yōu)的聚類參數(shù),并解決不平衡數(shù)據(jù)問題帶來的奇異點(diǎn)不平衡分配問題;最后,生成預(yù)測(cè)模型。具體步驟如下:

    步驟1:選擇0~1 期間的隨機(jī)數(shù)初始化隸屬度u,使其滿足式(6)中的約束條件;

    步驟2:用式(7)、式(8)計(jì)算,。

    步驟3:用式(1)計(jì)算目標(biāo)函數(shù),如果該值小于某個(gè)確定的閾值,或相對(duì)上次目標(biāo)函數(shù)的改變量小于某個(gè)閾值,則算法中止;

    步驟4:用式(3)計(jì)算新的u,返回步驟2;

    步驟5:由式(13)選出最優(yōu)的所對(duì)應(yīng)的聚類模型。

    4 實(shí)驗(yàn)結(jié)果分析

    為評(píng)估本文方法的性能,采用公開的數(shù)據(jù)集HDFS(https://github.com/logpai/loghub),該數(shù)據(jù)集是從EC2 平臺(tái)實(shí)際生產(chǎn)平臺(tái)中收集,由原始領(lǐng)域?qū)<沂謩?dòng)標(biāo)記。隨機(jī)選擇50%的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集,剩下的50%作為測(cè)試數(shù)據(jù)集,在訓(xùn)練數(shù)據(jù)集上訓(xùn)練模型,并將模型應(yīng)用于測(cè)試數(shù)據(jù)集;再與其他的無監(jiān)督學(xué)習(xí)LOF、One?Class SVM、Isolation Forest、PCA、Invariants Mining和層次聚類等算法進(jìn)行比較。

    通常系統(tǒng)日志數(shù)據(jù)的異常檢測(cè)是將輸出日志片段屬于異常的標(biāo)簽或系統(tǒng)異常信息的概率作為評(píng)測(cè)標(biāo)準(zhǔn),具體評(píng)測(cè)指標(biāo)包括準(zhǔn)確率(Precision)、召回率(Recall)和綜合評(píng)價(jià)指標(biāo)F1 值(F?measure)。其中,準(zhǔn)確率用于評(píng)估異常檢測(cè)的正確性,召回率用于評(píng)估異常檢測(cè)的全面性,F(xiàn)1 值是通過加權(quán)調(diào)和平均結(jié)合了準(zhǔn)確率和召回率,用于評(píng)估異常檢測(cè)的整體性能。不同方法在HDFS數(shù)據(jù)集上的性能比較如表1 所示。

    表1 不同方法在HDFS 數(shù)據(jù)集上的性能比較

    表1 中,各類算法在HDFS 數(shù)據(jù)集上的表現(xiàn)顯示出良好的準(zhǔn)確性,精度都在83%~100%之間,但部分算法召回率和F1 性能指標(biāo)不穩(wěn)定,如LOF、One?Class SVM、PCA和 層 次 聚 類。其 中,LOF和One?Class SVM因正常判定為異常的比例太高,誤報(bào)率較高,造成了整體性能不佳;而PCA和層次聚類的結(jié)果中精確度接近1,基本沒有將異常錯(cuò)誤判定為正常的情況,有一定數(shù)量的正常數(shù)據(jù)被誤判為異常結(jié)果,在實(shí)際應(yīng)用中可以接受,并在實(shí)際系統(tǒng)中有應(yīng)用。另外,Isolation Forest和Invariants Mining算法整體性能較穩(wěn)定,基本上準(zhǔn)確率和召回率指標(biāo)都比較接近,但均在95%以下,達(dá)不到最佳。模糊C 均值聚類(FCM)因引入模糊隸屬度對(duì)不同簇群分配不同的權(quán)值,較好地過濾了噪聲,整體性能都優(yōu)于其他方法,性能均在96%以上,特別是召回率為100%,但還是存在較少的異常點(diǎn)被判定為正常,這是因數(shù)據(jù)集的不平衡問題導(dǎo)致的。

    本文方法引入了不平衡補(bǔ)償因子,對(duì)不同分布的異常點(diǎn)分配了不同權(quán)值的隸屬度,將兩個(gè)簇集距離進(jìn)一步拉開,從而進(jìn)一步提高了聚類的效果,性能整體提高了1%,各項(xiàng)指標(biāo)均優(yōu)于其他算法。

    5 結(jié) 論

    針對(duì)目前分布式應(yīng)用系統(tǒng)的自動(dòng)化運(yùn)維中日志數(shù)據(jù)異常檢測(cè)需求,本文提出了一種模糊C 均值聚類(FCM)的無監(jiān)督學(xué)習(xí)的異常檢測(cè)算法,在HDFS 數(shù)據(jù)集上與其他無監(jiān)督學(xué)習(xí)方法進(jìn)行了比較。結(jié)果表明,無論是準(zhǔn)確率還是召回率和F1 指標(biāo),均優(yōu)于其他的異常檢測(cè)算法。針對(duì)大規(guī)模的日志數(shù)據(jù)中存在正常事件和異常事件嚴(yán)重不平衡的問題,從而影響了機(jī)器學(xué)習(xí)的分類效果問題,本文引入了不平衡補(bǔ)償因子用于平衡數(shù)據(jù)的不平衡性,提高類內(nèi)聚合度和類間分離度。在模糊C 均值聚類的基礎(chǔ)上,本文方法的性能指標(biāo)提升了1%,精確度、召回率和F1 值分別達(dá)到了97%,1和98.6%。

    猜你喜歡
    日志聚類監(jiān)督
    一名老黨員的工作日志
    突出“四個(gè)注重” 預(yù)算監(jiān)督顯實(shí)效
    扶貧日志
    基于DBSACN聚類算法的XML文檔聚類
    游學(xué)日志
    監(jiān)督見成效 舊貌換新顏
    基于高斯混合聚類的陣列干涉SAR三維成像
    夯實(shí)監(jiān)督之基
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    監(jiān)督宜“補(bǔ)”不宜“比”
    国产伦精品一区二区三区视频9| 又爽又黄无遮挡网站| 亚洲一区高清亚洲精品| 日韩成人伦理影院| 午夜福利网站1000一区二区三区| 久久99热这里只有精品18| 听说在线观看完整版免费高清| 国产淫片久久久久久久久| 大香蕉97超碰在线| 国产精品伦人一区二区| 伊人久久精品亚洲午夜| 男人舔奶头视频| 爱豆传媒免费全集在线观看| 亚洲四区av| 99久久人妻综合| 少妇熟女aⅴ在线视频| 久久精品人妻少妇| 日韩欧美精品v在线| 国产永久视频网站| 欧美日韩一区二区视频在线观看视频在线 | 青青草视频在线视频观看| 偷拍熟女少妇极品色| 啦啦啦中文免费视频观看日本| 国产黄片视频在线免费观看| 六月丁香七月| 久久久色成人| 日韩一区二区三区影片| 欧美 日韩 精品 国产| 日韩欧美国产在线观看| 国产成人a区在线观看| 亚洲不卡免费看| 丰满人妻一区二区三区视频av| 国产永久视频网站| 2021天堂中文幕一二区在线观| 亚洲国产精品sss在线观看| 777米奇影视久久| 99久久精品国产国产毛片| 精品亚洲乱码少妇综合久久| 日韩精品青青久久久久久| 天堂√8在线中文| 午夜福利在线观看吧| 久久久久久久国产电影| 国产有黄有色有爽视频| 国产男人的电影天堂91| 国产美女午夜福利| 91狼人影院| 久久热精品热| 欧美潮喷喷水| 大片免费播放器 马上看| 成人高潮视频无遮挡免费网站| 三级男女做爰猛烈吃奶摸视频| av免费观看日本| 久久综合国产亚洲精品| 91精品国产九色| 日韩成人伦理影院| 在线观看一区二区三区| 丰满少妇做爰视频| 午夜精品一区二区三区免费看| 全区人妻精品视频| 日本猛色少妇xxxxx猛交久久| 日韩亚洲欧美综合| 国产单亲对白刺激| 亚洲色图av天堂| 男人舔女人下体高潮全视频| 一区二区三区乱码不卡18| 亚洲国产精品国产精品| 午夜福利在线观看免费完整高清在| 一级毛片 在线播放| 国模一区二区三区四区视频| 午夜精品一区二区三区免费看| av在线蜜桃| 亚洲av成人av| 99热6这里只有精品| 看黄色毛片网站| 日韩精品青青久久久久久| 国产一区二区亚洲精品在线观看| 天堂俺去俺来也www色官网 | 国产一区二区三区av在线| 久久综合国产亚洲精品| 久久精品国产亚洲av天美| 久久久久久久久久久免费av| 日日撸夜夜添| 精品人妻熟女av久视频| 伦精品一区二区三区| 亚洲欧美日韩无卡精品| 亚洲婷婷狠狠爱综合网| 丝袜喷水一区| 国产乱人视频| 69人妻影院| 国产毛片a区久久久久| 91午夜精品亚洲一区二区三区| 久久久久久久午夜电影| 国产一级毛片在线| 在线a可以看的网站| 99热网站在线观看| 亚洲综合精品二区| av专区在线播放| 亚洲精品自拍成人| 69人妻影院| 亚洲不卡免费看| 九九在线视频观看精品| 亚洲欧洲日产国产| 久久草成人影院| 国内精品一区二区在线观看| av又黄又爽大尺度在线免费看| 老司机影院成人| 小蜜桃在线观看免费完整版高清| av国产免费在线观看| 女人十人毛片免费观看3o分钟| 成年av动漫网址| 国产精品一区二区在线观看99 | 韩国高清视频一区二区三区| 亚洲av成人av| 干丝袜人妻中文字幕| 日韩国内少妇激情av| 欧美bdsm另类| 国产精品久久视频播放| 亚洲三级黄色毛片| 亚洲欧美精品专区久久| 69av精品久久久久久| 丝瓜视频免费看黄片| 国产老妇女一区| 亚洲自偷自拍三级| 99热6这里只有精品| 一个人看视频在线观看www免费| 五月伊人婷婷丁香| 日韩亚洲欧美综合| 免费大片黄手机在线观看| 99热网站在线观看| 国产精品一区www在线观看| 免费看不卡的av| 亚洲欧美日韩无卡精品| av卡一久久| 一个人观看的视频www高清免费观看| 色视频www国产| 麻豆精品久久久久久蜜桃| 久久精品国产亚洲av天美| 国产伦在线观看视频一区| 国产成人精品久久久久久| av免费在线看不卡| 国模一区二区三区四区视频| 晚上一个人看的免费电影| 波多野结衣巨乳人妻| 午夜福利在线观看免费完整高清在| 男人舔女人下体高潮全视频| 99九九线精品视频在线观看视频| 大香蕉97超碰在线| av在线老鸭窝| 免费大片黄手机在线观看| 日日撸夜夜添| 美女高潮的动态| 大香蕉久久网| 久久久精品94久久精品| 成年av动漫网址| 国内精品美女久久久久久| 亚洲欧美成人综合另类久久久| 欧美变态另类bdsm刘玥| 男女那种视频在线观看| 国产av码专区亚洲av| 男的添女的下面高潮视频| 国产真实伦视频高清在线观看| 日韩欧美精品v在线| 日日撸夜夜添| 国产免费视频播放在线视频 | 国产一区二区三区综合在线观看 | 亚洲va在线va天堂va国产| 久久久久久久大尺度免费视频| 91精品一卡2卡3卡4卡| 亚洲第一区二区三区不卡| 精品久久久久久电影网| 国产精品精品国产色婷婷| 欧美日韩亚洲高清精品| 国产精品综合久久久久久久免费| 一个人观看的视频www高清免费观看| 天堂网av新在线| 午夜福利在线在线| 亚洲欧美清纯卡通| 久久久久久久久久成人| 中文精品一卡2卡3卡4更新| 日韩一区二区三区影片| 大话2 男鬼变身卡| 国产精品久久久久久av不卡| 大又大粗又爽又黄少妇毛片口| 日韩欧美精品v在线| 亚洲综合精品二区| 久久鲁丝午夜福利片| 美女国产视频在线观看| 亚洲一区高清亚洲精品| 午夜福利高清视频| 午夜福利在线观看吧| 成人午夜精彩视频在线观看| 亚洲综合色惰| 欧美 日韩 精品 国产| 三级国产精品欧美在线观看| 国产免费视频播放在线视频 | 综合色丁香网| 一级毛片aaaaaa免费看小| 少妇人妻一区二区三区视频| 午夜福利在线观看吧| 少妇的逼水好多| 欧美bdsm另类| 少妇熟女欧美另类| 成人毛片60女人毛片免费| 偷拍熟女少妇极品色| 最近最新中文字幕大全电影3| 神马国产精品三级电影在线观看| 亚洲精品国产av成人精品| 夜夜爽夜夜爽视频| 日韩中字成人| 国产中年淑女户外野战色| 在线a可以看的网站| 久久久精品欧美日韩精品| 男人狂女人下面高潮的视频| 亚洲熟女精品中文字幕| 99久久精品一区二区三区| 亚洲电影在线观看av| 久久久久久久久久黄片| 亚洲高清免费不卡视频| 直男gayav资源| 国内少妇人妻偷人精品xxx网站| 国产成人a∨麻豆精品| 黄色欧美视频在线观看| 亚洲自拍偷在线| 久久国内精品自在自线图片| 国产成人一区二区在线| 有码 亚洲区| 亚洲精品国产av蜜桃| 亚洲精品aⅴ在线观看| 搡老妇女老女人老熟妇| 国产免费又黄又爽又色| 婷婷六月久久综合丁香| 建设人人有责人人尽责人人享有的 | 精品欧美国产一区二区三| 欧美潮喷喷水| 男女下面进入的视频免费午夜| 高清欧美精品videossex| 日韩在线高清观看一区二区三区| 国产精品一区二区三区四区久久| 丝瓜视频免费看黄片| 日产精品乱码卡一卡2卡三| 久久国内精品自在自线图片| 国产高清不卡午夜福利| 噜噜噜噜噜久久久久久91| 久久精品国产鲁丝片午夜精品| 国产黄色免费在线视频| 亚洲国产精品成人久久小说| 伦精品一区二区三区| 大话2 男鬼变身卡| 国产成人精品一,二区| 久久精品熟女亚洲av麻豆精品 | 中文在线观看免费www的网站| 内射极品少妇av片p| 国产精品福利在线免费观看| 国模一区二区三区四区视频| 女人久久www免费人成看片| 亚洲国产欧美人成| 国产一区有黄有色的免费视频 | 国产乱来视频区| 国产成人精品久久久久久| 一个人观看的视频www高清免费观看| 国产精品人妻久久久久久| 国产成人免费观看mmmm| 如何舔出高潮| 精品人妻视频免费看| 简卡轻食公司| 国产一级毛片七仙女欲春2| 卡戴珊不雅视频在线播放| 国产亚洲精品av在线| 亚洲熟妇中文字幕五十中出| 国产在视频线在精品| 国产精品无大码| 水蜜桃什么品种好| 全区人妻精品视频| 精品久久久精品久久久| 三级经典国产精品| 69人妻影院| 97超碰精品成人国产| 国产精品人妻久久久影院| 亚洲不卡免费看| 欧美日韩在线观看h| 亚洲人与动物交配视频| av在线蜜桃| 午夜老司机福利剧场| 亚洲在久久综合| 91久久精品国产一区二区三区| 中文在线观看免费www的网站| 3wmmmm亚洲av在线观看| 婷婷色av中文字幕| 免费高清在线观看视频在线观看| 亚洲精品成人av观看孕妇| 亚洲第一区二区三区不卡| 性插视频无遮挡在线免费观看| 亚洲,欧美,日韩| 丰满乱子伦码专区| 国产在线男女| 麻豆国产97在线/欧美| 亚洲国产精品国产精品| 久久这里只有精品中国| 亚洲国产成人一精品久久久| 国产黄频视频在线观看| 国产亚洲一区二区精品| 久久久午夜欧美精品| 简卡轻食公司| 精品一区二区三区人妻视频| av又黄又爽大尺度在线免费看| 亚洲av成人av| 床上黄色一级片| 欧美日韩亚洲高清精品| av福利片在线观看| 日韩精品有码人妻一区| 视频中文字幕在线观看| 精品欧美国产一区二区三| 精品国内亚洲2022精品成人| 精品人妻偷拍中文字幕| 日本欧美国产在线视频| 国产一级毛片七仙女欲春2| 午夜老司机福利剧场| 99久久九九国产精品国产免费| 少妇裸体淫交视频免费看高清| 看黄色毛片网站| 国产成人福利小说| 天堂av国产一区二区熟女人妻| 午夜激情久久久久久久| 免费人成在线观看视频色| 国产精品一及| 又黄又爽又刺激的免费视频.| 草草在线视频免费看| 亚洲精品456在线播放app| 亚洲精品日韩在线中文字幕| 午夜激情欧美在线| 国产精品国产三级专区第一集| 在现免费观看毛片| 边亲边吃奶的免费视频| 熟女人妻精品中文字幕| 国产永久视频网站| 亚洲精品成人av观看孕妇| 久久热精品热| 非洲黑人性xxxx精品又粗又长| 两个人的视频大全免费| 在线 av 中文字幕| 国产爱豆传媒在线观看| 非洲黑人性xxxx精品又粗又长| 久久热精品热| 韩国av在线不卡| 在线观看av片永久免费下载| 非洲黑人性xxxx精品又粗又长| 久久久亚洲精品成人影院| 能在线免费观看的黄片| 亚洲av国产av综合av卡| 99热6这里只有精品| 亚洲精品乱码久久久久久按摩| 麻豆成人午夜福利视频| 91久久精品电影网| 在现免费观看毛片| av在线蜜桃| 日韩亚洲欧美综合| 国产成人精品久久久久久| 亚洲最大成人手机在线| 一区二区三区高清视频在线| 久久精品夜色国产| 国产三级在线视频| 啦啦啦啦在线视频资源| 91av网一区二区| 久久精品久久久久久久性| 国产黄色免费在线视频| 女人被狂操c到高潮| 深夜a级毛片| 亚洲精品456在线播放app| 97人妻精品一区二区三区麻豆| 美女高潮的动态| 国产午夜精品久久久久久一区二区三区| 国产精品一二三区在线看| 国产黄色免费在线视频| 成人鲁丝片一二三区免费| 日产精品乱码卡一卡2卡三| 国产乱来视频区| 亚洲乱码一区二区免费版| 三级国产精品片| 国产黄色免费在线视频| 一级av片app| 亚洲欧美日韩无卡精品| 熟妇人妻不卡中文字幕| 色吧在线观看| 午夜精品一区二区三区免费看| 国产成人精品婷婷| 成人欧美大片| 国产亚洲最大av| 中文字幕av在线有码专区| 国产精品爽爽va在线观看网站| 国产亚洲精品av在线| 亚洲av一区综合| 熟妇人妻久久中文字幕3abv| 91精品伊人久久大香线蕉| 免费av不卡在线播放| 好男人视频免费观看在线| 美女脱内裤让男人舔精品视频| 最近手机中文字幕大全| 久久久久久九九精品二区国产| 国产美女午夜福利| 国产午夜精品久久久久久一区二区三区| 男人狂女人下面高潮的视频| 久久这里只有精品中国| 国产精品麻豆人妻色哟哟久久 | av线在线观看网站| 亚洲精品色激情综合| 久久久久久久亚洲中文字幕| 少妇的逼好多水| 亚洲精品自拍成人| 成人av在线播放网站| 欧美日韩综合久久久久久| 禁无遮挡网站| ponron亚洲| 麻豆乱淫一区二区| 91av网一区二区| 亚洲久久久久久中文字幕| 日本wwww免费看| 男女那种视频在线观看| 久久久精品94久久精品| 国产一区二区三区综合在线观看 | xxx大片免费视频| 国产色婷婷99| 青春草亚洲视频在线观看| 亚洲性久久影院| 日韩成人av中文字幕在线观看| 少妇高潮的动态图| 日本一二三区视频观看| 免费av不卡在线播放| 国产视频首页在线观看| 2021少妇久久久久久久久久久| 少妇猛男粗大的猛烈进出视频 | 天美传媒精品一区二区| 成人综合一区亚洲| 97人妻精品一区二区三区麻豆| 午夜爱爱视频在线播放| 日日啪夜夜撸| 极品教师在线视频| 免费av毛片视频| 国产免费又黄又爽又色| 听说在线观看完整版免费高清| 久久鲁丝午夜福利片| 午夜福利在线观看吧| 寂寞人妻少妇视频99o| 免费黄色在线免费观看| 美女大奶头视频| 亚洲精品一区蜜桃| 床上黄色一级片| 91狼人影院| 在线观看免费高清a一片| 亚洲成人av在线免费| 久久国内精品自在自线图片| 神马国产精品三级电影在线观看| 欧美极品一区二区三区四区| 最近最新中文字幕免费大全7| 国产免费又黄又爽又色| 成人漫画全彩无遮挡| 久久亚洲国产成人精品v| 91久久精品国产一区二区成人| 在线a可以看的网站| 91久久精品国产一区二区成人| 久久久久久久久久成人| 欧美成人a在线观看| 国产免费福利视频在线观看| 国内精品宾馆在线| 九九在线视频观看精品| 亚洲国产精品成人久久小说| 精品人妻视频免费看| 尤物成人国产欧美一区二区三区| 夫妻午夜视频| 不卡视频在线观看欧美| 成人无遮挡网站| 麻豆久久精品国产亚洲av| 秋霞在线观看毛片| 搡女人真爽免费视频火全软件| 午夜精品一区二区三区免费看| 国产成人91sexporn| videos熟女内射| 一边亲一边摸免费视频| 在线播放无遮挡| 成人午夜高清在线视频| 美女脱内裤让男人舔精品视频| 国产成人aa在线观看| 五月伊人婷婷丁香| 欧美一级a爱片免费观看看| 精品一区在线观看国产| 岛国毛片在线播放| 99久国产av精品国产电影| 日韩精品青青久久久久久| 狠狠精品人妻久久久久久综合| 亚洲av免费在线观看| 国产精品不卡视频一区二区| 午夜福利在线观看吧| 国产永久视频网站| 亚洲精品国产av蜜桃| 国产精品一区二区三区四区久久| 特级一级黄色大片| 免费观看的影片在线观看| 国产极品天堂在线| 亚洲不卡免费看| 亚洲内射少妇av| 日本熟妇午夜| 中文乱码字字幕精品一区二区三区 | 久久99热这里只有精品18| 亚洲av成人精品一区久久| av在线天堂中文字幕| 国产一区二区三区综合在线观看 | 日本-黄色视频高清免费观看| 日韩av免费高清视频| 欧美97在线视频| 国产精品人妻久久久影院| 国产精品不卡视频一区二区| 成人无遮挡网站| 日韩精品青青久久久久久| 熟妇人妻不卡中文字幕| 夫妻午夜视频| 亚洲av二区三区四区| 亚洲成人久久爱视频| 久久精品久久久久久噜噜老黄| 99热这里只有是精品50| 日本免费a在线| 人体艺术视频欧美日本| 亚洲精品成人av观看孕妇| 99久久精品热视频| 欧美高清成人免费视频www| 久久午夜福利片| 一区二区三区高清视频在线| 精品久久久久久成人av| 97在线视频观看| 黄色一级大片看看| 亚洲精品日本国产第一区| 美女主播在线视频| 欧美潮喷喷水| 毛片一级片免费看久久久久| 中文天堂在线官网| 亚洲美女搞黄在线观看| 男女边吃奶边做爰视频| .国产精品久久| 国产麻豆成人av免费视频| 又大又黄又爽视频免费| 秋霞伦理黄片| 91久久精品国产一区二区成人| 久久热精品热| 直男gayav资源| 舔av片在线| 在线a可以看的网站| 三级国产精品片| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲天堂国产精品一区在线| 国产亚洲91精品色在线| 天天一区二区日本电影三级| 久久久色成人| 中文欧美无线码| 亚洲av电影不卡..在线观看| 国产成人免费观看mmmm| 国产亚洲精品av在线| 最近手机中文字幕大全| 日韩av在线免费看完整版不卡| 国产亚洲一区二区精品| 26uuu在线亚洲综合色| a级一级毛片免费在线观看| 精品久久久久久久末码| 2021天堂中文幕一二区在线观| 又黄又爽又刺激的免费视频.| 国产黄色小视频在线观看| 午夜福利网站1000一区二区三区| 99热这里只有精品一区| 国产亚洲最大av| 国产有黄有色有爽视频| 国产精品久久久久久久久免| 久久久久久久久久黄片| www.av在线官网国产| 国产麻豆成人av免费视频| 久久久久久久久大av| 欧美日本视频| 亚洲欧美清纯卡通| 日本午夜av视频| 久久久精品免费免费高清| 丰满少妇做爰视频| 精品人妻视频免费看| 可以在线观看毛片的网站| 卡戴珊不雅视频在线播放| 日日啪夜夜撸| 成人美女网站在线观看视频| 国产免费视频播放在线视频 | 丝瓜视频免费看黄片| 中国国产av一级| 亚洲国产高清在线一区二区三| 晚上一个人看的免费电影| 色综合站精品国产| 全区人妻精品视频| 特大巨黑吊av在线直播| 综合色av麻豆| 亚洲第一区二区三区不卡| 精品99又大又爽又粗少妇毛片| 激情 狠狠 欧美| av.在线天堂| 久热久热在线精品观看| 成人特级av手机在线观看| 亚洲电影在线观看av| 欧美极品一区二区三区四区| 舔av片在线| 我的老师免费观看完整版| 免费黄网站久久成人精品| 狂野欧美激情性xxxx在线观看| 永久网站在线| 中文字幕制服av| 男女国产视频网站| 天堂中文最新版在线下载 | 精品国内亚洲2022精品成人| 大片免费播放器 马上看| 亚洲欧美日韩无卡精品| 天堂av国产一区二区熟女人妻| 男插女下体视频免费在线播放| 亚洲成人中文字幕在线播放| av专区在线播放| 精品久久久精品久久久|