• <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 ?

    改進(jìn)SteGAN的嵌入式圖像隱寫方案

    2022-09-01 08:54:34楊忠鵬李啟南
    關(guān)鍵詞:特征信息模型

    楊忠鵬,李啟南

    (蘭州交通大學(xué) 電子與信息工程學(xué)院,蘭州 730070)

    在信息安全隱藏領(lǐng)域中,隱寫技術(shù)作為提高通信過程中安全性的最主要方式,已成為了近年來在網(wǎng)絡(luò)安全領(lǐng)域的熱點(diǎn)研發(fā)方向之一.傳統(tǒng)的自適應(yīng)隱寫術(shù)算法可以使嵌入信息對(duì)載體圖像中的統(tǒng)計(jì)性特征所產(chǎn)生的失真盡可能的較小,但也無法減少在人為設(shè)計(jì)隱寫術(shù)算法時(shí)嵌入信息對(duì)載體圖像產(chǎn)生的改動(dòng)痕跡,所以在隱寫術(shù)計(jì)算仍未可知的情形下,隱寫技術(shù)分析可以通過反復(fù)檢查,測(cè)試隱寫圖像中是否存在著秘密信號(hào).在這樣的過程中,隱寫技術(shù)和隱寫分析技術(shù)的相互競(jìng)爭(zhēng)、互補(bǔ),直接驅(qū)動(dòng)了信息隱藏技術(shù)的發(fā)展.

    隨著計(jì)算機(jī)硬件的進(jìn)步,計(jì)算機(jī)性能逐年提高,而基于計(jì)算機(jī)性能的深度學(xué)習(xí)近年來也得到了迅速發(fā)展,出現(xiàn)了各式各樣的深度學(xué)習(xí)模型,如卷積神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)等各種神經(jīng)網(wǎng)絡(luò)模型,并在很多領(lǐng)域進(jìn)行應(yīng)用,諸如計(jì)算機(jī)視覺、機(jī)器翻譯、數(shù)據(jù)挖掘等領(lǐng)域都取得了很多成果,解決了很多傳統(tǒng)方法無法處理的問題.因此,研究者們將信息隱寫理論與深度學(xué)習(xí)相關(guān)技術(shù)結(jié)合起來,使得信息隱寫相關(guān)理論技術(shù)更為快速地發(fā)展,其中與生成對(duì)抗網(wǎng)絡(luò)的結(jié)合尤為密切,其生成對(duì)抗的特點(diǎn)與信息隱寫和隱寫分析的對(duì)立思想十分相似,這為兩者的結(jié)合提供了思路[1].

    文獻(xiàn)[2]首次提出了SGAN(steganographic generative adversarial networks)模型,將GAN(generative adversarial networks)應(yīng)用于圖像隱寫,通過輸入隨機(jī)噪聲,生成盡可能真實(shí)的載體圖像,嵌入方法使用傳統(tǒng)的1算法實(shí)現(xiàn),最后對(duì)載密圖像進(jìn)行隱寫分析.文獻(xiàn)[3]提出的隱寫生成對(duì)抗網(wǎng)絡(luò)(steganography generative adversarial network,SteGAN)將編碼-解碼網(wǎng)絡(luò)應(yīng)用到隱寫領(lǐng)域,編碼器負(fù)責(zé)嵌入信息,解碼器則提取嵌入的信息,并判斷提取信息的準(zhǔn)確性,隱寫分析器則對(duì)載密圖像的安全性做出評(píng)估,但生成圖像使用DCGAN,使得載密圖像生成質(zhì)量較差.文獻(xiàn)[4]提出使用無載體的隱寫方法來嵌入秘密信息,通過建立一種嵌入信息與圖像類別標(biāo)簽之間的映射關(guān)系,將載體圖像與類別標(biāo)簽融合,由ACGAN(auxiliary classifier GAN)中的生成器生成載密圖像,而重構(gòu)秘密信息通過提取載密圖像中的類別標(biāo)簽來完成,但該方法因其類別標(biāo)簽數(shù)量較少,導(dǎo)致模型的隱寫容量較低.文獻(xiàn)[5]通過將秘密信息映射成噪聲向量,從DCGAN(deep convolution generative adversarial networks)生成的載密圖像中提取輸入噪聲,從而恢復(fù)秘密消息,但模型訓(xùn)練消耗時(shí)間與成本大幅增加.文獻(xiàn)[6]在SGAN基礎(chǔ)上,用WGAN(wasserstein GAN)將DCGAN 替換,相較于原始的SGAN,生成的載體圖像質(zhì)量更好,抗隱寫分析的能力增強(qiáng),但未對(duì)隱寫容量做出提高.文獻(xiàn)[7]將灰度圖像隱藏在彩色圖像中,通過引入對(duì)抗模型和新的隱藏位置來提高隱蔽性和安全性,對(duì)隱寫信息做出了改變,有效地緩解了梯度消失問題.文獻(xiàn)[8]提出了可以抵抗噪聲等攻擊的隱寫模型HiDDeN(hiding data with deep networks),使用卷積網(wǎng)絡(luò)來構(gòu)造編碼-解碼結(jié)構(gòu),并且考慮到載密圖像在通信傳輸過程中的安全性問題,在編碼-解碼結(jié)構(gòu)中加入噪聲層進(jìn)行噪聲訓(xùn)練,以抵抗噪聲攻擊,但是,將秘密信息轉(zhuǎn)換成數(shù)據(jù)時(shí)存在維數(shù)過大的問題,從而導(dǎo)致隱寫容量最高只能達(dá)到0.2位/像素左右.

    為解決SteGAN訓(xùn)練時(shí)圖像特征信息丟失,生成的載密圖像質(zhì)量較差的問題,本文提出基于改進(jìn)SteGAN的圖像隱寫模型(improved steganography generation adversarial network,ISteGAN),該模型使用密集連接改變SteGAN網(wǎng)絡(luò)內(nèi)的連接方式,加強(qiáng)特征的傳遞,引入注意力機(jī)制來獲取圖像深層特征,并在判別器中引入譜歸一化的方法,以此提高模型訓(xùn)練的穩(wěn)定性,使得生成的載密圖像更加接近載體圖像.

    1 相關(guān)算法

    1.1 SteGAN

    圖1為SteGAN模型圖,SteGAN是一個(gè)由生成器(Alice)、判別器(Bob)和隱寫分析(Eve)組成的三方對(duì)抗模型.生成器Alice通過融合載體圖像與隨機(jī)二進(jìn)制序列的秘密消息,生成載密圖像,并傳遞給判別器Bob,使其從載密圖像中提取出秘密信息;而Eve則作為隱寫分析器進(jìn)行竊聽,并判斷接收到的圖像中是否有秘密消息的存在,從而評(píng)價(jià)隱寫安全性.

    圖1 SteGAN模型圖Fig.1 SteGAN model diagram

    在不斷的對(duì)抗學(xué)習(xí)中,Alice學(xué)會(huì)了在任意的載體圖像中隱藏秘密信息,Bob通過解析Alice的載密圖像使隱寫算法更加成熟,所以它可以準(zhǔn)確地恢復(fù)信息;而Eve不斷的優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),更容易判斷兩種類型的圖像是載體圖像還是隱寫圖像,通過對(duì)抗博弈反作用于Alice和bob,使其學(xué)習(xí)能力不斷提高,在雙方之間達(dá)一個(gè)納什均衡[9].

    SteGAN的信息嵌入過程在訓(xùn)練生成器網(wǎng)絡(luò)時(shí)完成,秘密信息的提取過程在訓(xùn)練判別器網(wǎng)絡(luò)時(shí)實(shí)現(xiàn),它們各自的損失函數(shù)可寫為:

    隱寫分析器在模型中起著鑒別分類的作用,它接收載體圖像和載密圖像作為輸入,并從這兩種類型的圖像中判斷該圖像是載體圖像還是載密圖像.

    1.2 密集連接

    密集連接網(wǎng)絡(luò)DenseNet(densely connected convolutional networks)的出現(xiàn),加強(qiáng)了網(wǎng)絡(luò)中特征的流動(dòng),從而緩解網(wǎng)絡(luò)中梯度消失和網(wǎng)絡(luò)退化的問題.DenseNet并不是復(fù)雜的公式和模型,它只是簡(jiǎn)單的與CNN(convolutional neural networks)連接方式有所不同.CNN采用的是一對(duì)一的連接方式,網(wǎng)絡(luò)中某層的輸入是前一層網(wǎng)絡(luò)的輸出;密集連接則是將之前網(wǎng)絡(luò)層輸出的特征圖通過在通道上的連接操作,連接在一起作為該層的輸入,再進(jìn)行網(wǎng)絡(luò)中的操作.密集連接塊將每層網(wǎng)絡(luò)提取到的不同程度的特征緊密的連接在一起,使得數(shù)據(jù)的特征完整的保留下來,使模型學(xué)習(xí)到更豐富的數(shù)據(jù)特征[10].密集連接過程如圖2所示,其中:BN(batch normalization)代表批量歸一化層;ReLU(rectified linear unit,ReLU)為激活函數(shù);Conv2D代表卷積層.

    圖2 密集連接塊Fig.2 Dense connection module

    1.3 譜歸一化原理

    基于GAN的深度學(xué)習(xí)模型訓(xùn)練較為困難,主要體現(xiàn)在:1)模式坍塌,即最后生成的對(duì)象僅有少數(shù)幾個(gè)模式;2)不收斂,即在訓(xùn)練過程中,判別器較早就進(jìn)入了收斂狀態(tài),能很容易地分辨出真假,所以無法使生成器網(wǎng)絡(luò)梯度更新而導(dǎo)致訓(xùn)練無法進(jìn)行.譜歸一化技術(shù)在不破壞矩陣結(jié)構(gòu)的情況下,只需讓每層網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)除以該層參數(shù)矩陣的譜范數(shù)即可滿足Lipschitz的約束[11].

    為了穩(wěn)定判別網(wǎng)絡(luò)的訓(xùn)練,使其映射函數(shù)滿足Lipschitz的約束,引入譜歸一化技術(shù),通常使用SN(spectral normalization)代表譜歸一化,它在計(jì)算上既輕便又有效.如式(5)所示,W表示神經(jīng)網(wǎng)絡(luò)的權(quán)值,σ(W)是權(quán)矩陣W 的譜范數(shù),用它規(guī)范判別器網(wǎng)絡(luò)的每一層,它等于W 的最大奇異值.

    1.4 注意力機(jī)制

    為了提升模型對(duì)載體圖像與秘密信息的關(guān)注能力,在網(wǎng)絡(luò)結(jié)構(gòu)中結(jié)合卷積注意力模塊[11],即通道注意力模塊和空間注意力模塊以串聯(lián)的方式組合,使其特征傳遞的過程中,加強(qiáng)對(duì)圖像樣本紋理細(xì)節(jié)的處理能力.

    如圖3所示的通道注意力模塊,在圖像特征到達(dá)后,通過全局兩個(gè)不同的池化操作,分別為最大池化和平均池化對(duì)輸入的特征進(jìn)行壓縮,此時(shí)壓縮的特征屬于空間維度上的特征,通過該操作得到兩個(gè)不同的描述符;接著經(jīng)過共享的兩層全連接層的處理,將兩個(gè)輸出值進(jìn)行疊加,經(jīng)過激活函數(shù)處理就得0~1之間的權(quán)重系數(shù);將最初的輸入特征圖與權(quán)重系數(shù)逐元素相乘,完成通道注意力的操作.

    圖3 通道注意力模塊Fig.3 Channel attention module

    空間注意力模塊結(jié)構(gòu)如圖4所示.在圖4中,與通道注意力相似,依然使用全局兩個(gè)池化操作,不同之處在于此時(shí)壓縮通道維度上的特征,通過該操作將兩個(gè)不同的全局特征描述拼接在一起,同樣的使用卷積將拼接的描述符進(jìn)行處理,使用激活函數(shù)得到空間權(quán)重系數(shù);將初始輸入特征圖與空間權(quán)重系數(shù)相乘,得到新的特征圖,此時(shí)的特征圖含有空間注意力.

    圖4 空間注意力模塊Fig.4 Spatial attention module

    2 本文方案

    2.1 ISteGAN總體架構(gòu)

    本文改進(jìn)的模型如圖5所示,使用密集連接來改變SteGAN網(wǎng)絡(luò)中生成器與判別器的連接方式,保護(hù)圖像信息固有特征的完整性;在網(wǎng)絡(luò)之間加入卷積注意力模塊來獲取圖像的深層次特征,減少特征的丟失[12];在判別器中引入譜歸一化的方法,以此提高模型訓(xùn)練的穩(wěn)定性.

    圖5 ISteGAN模型圖Fig.5 ISteGAN model diagram

    2.2 生成網(wǎng)絡(luò)模型

    生成器Alice通過學(xué)習(xí)來獲取真實(shí)樣本的分布,使輸入載體圖像與秘密信息能夠通過微步卷積的方式生成真實(shí)樣本.Alice的網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示,Alice接受載體圖像與秘密信息作為輸入,將圖像與信息融合,先使用BN層對(duì)數(shù)據(jù)進(jìn)行歸一化處理,接著連續(xù)應(yīng)用五個(gè)具有相同網(wǎng)絡(luò)結(jié)構(gòu)層的組.每個(gè)組包含密集連接與卷積神經(jīng)網(wǎng)絡(luò)構(gòu)成的連續(xù)卷積層;每個(gè)卷積層后面都跟著一個(gè)LReLU(leaky-ReLU)激活函數(shù),通過結(jié)合密集連接的方式,加強(qiáng)特征傳遞,加速網(wǎng)絡(luò)訓(xùn)練,進(jìn)一步增強(qiáng)生成器對(duì)真實(shí)圖像深層次特征的提取能力;而卷積注意力模塊使得網(wǎng)絡(luò)獲取到真實(shí)圖像的復(fù)雜紋理區(qū)域特征,從而生成高質(zhì)量的載密圖像.

    圖6 Alice網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.6 Alice′s network structure diagram

    本文所使用圖像為3×H×W的載體圖像,Alice接受載體圖像與秘密信息后,通過第一層卷積將載體圖像與秘密信息融合,利用網(wǎng)絡(luò)第二層中的卷積注意力模塊提取復(fù)雜紋理區(qū)域特征,而引入密集連接可以保留前面網(wǎng)絡(luò)提取到的特征與后面提取到的特征相結(jié)合,這樣可以更有效利用圖像特征,得到3×H×W的隱寫圖像.生成器Alice的具體網(wǎng)絡(luò)結(jié)構(gòu)見表1.

    表1 生成器Alice具體網(wǎng)絡(luò)結(jié)構(gòu)Tab.1 Generator concrete network structure

    2.3 判別網(wǎng)絡(luò)模型

    判別器Bob接受來自生成器Alice的載密圖像.圖7Bob網(wǎng)絡(luò)使用4個(gè)C2D-SN-LR(Conv2D-spectral normalization-leaky ReLU)卷積網(wǎng)絡(luò)組合與注意力機(jī)制提取圖像特征,并且通過構(gòu)造譜歸一化的卷積層,使得判別器參數(shù)更新更加穩(wěn)定,減緩了判別器的收斂速度,從而提升了網(wǎng)絡(luò)訓(xùn)練的穩(wěn)定性.Bob不斷學(xué)習(xí)優(yōu)化自己的神經(jīng)網(wǎng)絡(luò)[13],準(zhǔn)確的從載密圖像中解析出消息M′,通過與原始秘密信息M比較來判斷Bob的學(xué)習(xí)能力.

    圖7 Bob網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.7 Bob′s network structure diagram

    隱寫圖像通過Bob的多層卷積后獲得一個(gè)與秘密消息M相同大小的M′,同時(shí)判別器網(wǎng)絡(luò)采用與生成器網(wǎng)絡(luò)相同的結(jié)構(gòu),引入密集連接網(wǎng)絡(luò),保留圖像特征.判別器產(chǎn)生M′,試圖恢復(fù)秘密信息M.判別器Bob的具體網(wǎng)絡(luò)結(jié)構(gòu)見表2.

    表2 判別器Bob具體網(wǎng)絡(luò)結(jié)構(gòu)Tab.2 Discriminator Bob concrete network structure

    2.4 隱寫分析網(wǎng)絡(luò)模型

    隱寫分析器Eve的網(wǎng)絡(luò)結(jié)構(gòu)如圖8所示,將載體圖像與載密圖像均輸入到該網(wǎng)絡(luò)結(jié)構(gòu)中,經(jīng)過每層的卷積操作(共四層),得到一個(gè)判斷該類圖像的概率值.因此隱寫分析網(wǎng)絡(luò)的最后一層是含有一個(gè)輸出通道的卷積層,其分類任務(wù)由Alice影響,不需要加入密集連接與注意力機(jī)制,這樣就降低了內(nèi)存的消耗.隱寫分析器Eve的具體網(wǎng)絡(luò)結(jié)構(gòu)見表3.

    表3 隱寫分析器Eve具體網(wǎng)絡(luò)結(jié)構(gòu)Tab.3 Concrete network structure of the steganography analyzer Eve

    圖8 Eve網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.8 Eve′s network structure diagram

    2.5 信息的嵌入與提取

    信息的嵌入過程包含在生成器的訓(xùn)練中,生成模型由兩部分內(nèi)容組成:一部分是預(yù)處理,另一部分為編碼.預(yù)處理部分將嵌入的秘密信息進(jìn)行轉(zhuǎn)換,以便與載體圖像進(jìn)行融合.首先,將載體圖像與秘密信息融合后,利用卷積網(wǎng)絡(luò)第一層擴(kuò)充為三維張量,最后得到32×H×W的特征圖;其次,在嵌入過程中,將每一層的特征向量與預(yù)處理后的秘密信息進(jìn)行拼接,將新得到的張量輸入到下一層的多層編碼網(wǎng)絡(luò),實(shí)現(xiàn)載體圖像與秘密信息的融合.

    提取模型是判別器模型對(duì)載密圖像中每個(gè)像素位中嵌入的秘密信息進(jìn)行提取,這個(gè)數(shù)據(jù)包含每個(gè)像素位中的所有數(shù)據(jù),并將數(shù)據(jù)進(jìn)行平均,得到重構(gòu)的秘密信息.判別網(wǎng)絡(luò)首先通過一個(gè)3×3卷積核的卷積層將載密圖像擴(kuò)充為通道數(shù)為32個(gè)的特征向量;通過預(yù)處理模塊對(duì)特征向量映射的數(shù)據(jù)進(jìn)行聚集,在空間維度上恢復(fù)嵌入數(shù)據(jù);最后通過模型的最后的平均池化層和線性層進(jìn)行映射,將恢復(fù)的數(shù)據(jù)轉(zhuǎn)換為嵌入的秘密信息.

    3 實(shí)驗(yàn)結(jié)果與分析

    運(yùn)行實(shí)驗(yàn)的設(shè)備為使用64 GB內(nèi)存的服務(wù)器,操作系統(tǒng)為NVIDIA Tesla T4 GPU和Ubuntu 16.04.本實(shí)驗(yàn)數(shù)據(jù)集采用公共數(shù)據(jù)集CelebA與Animals-10.CelebA數(shù)據(jù)集包含10 177個(gè)名人身份的202 599張圖像;Animals-10數(shù)據(jù)集包含10種動(dòng)物.本文優(yōu)化器采用Adam,學(xué)習(xí)率為0.000 2,批大小為32,迭代次數(shù)根據(jù)需求不同來設(shè)置.從四個(gè)方面分析載密圖像的性能:不可感知性、隱寫容量、解碼準(zhǔn)確率和隱寫安全性.

    3.1 隱寫容量

    本文隱寫容量的計(jì)算公式如式(6)所示.

    其中:Q為秘密信息(隨機(jī)信息)的位數(shù);N為圖像的像素值.

    將Q位隨機(jī)消息與每個(gè)數(shù)據(jù)集的每個(gè)樣本連接起來,改變信息的大小Q,以測(cè)試可以有效隱藏在載體圖像中的信息量的極限.采用的數(shù)據(jù)集由32像素×32像素的圖像組成,當(dāng)將Q設(shè)置為100位到700位時(shí),相當(dāng)于隱寫容量大約在0.1位/像素到0.7位/像素之間.

    ISteGAN與其他模型隱寫容量對(duì)比結(jié)果見表4.以95%的準(zhǔn)確率為閾值,ISteGAN最大容量可以達(dá)到0.6位/像素,其他隱寫模型最大容量為0.4位/像素,也就是說,ISteGAN模型嵌入容量相較于其他模型能夠提高50%.

    表4 模型容量比較Tab.4 Model capacity comparison

    3.2 不可感知性

    不可感知性是隱寫術(shù)最基本和最直觀的指標(biāo),采用均方誤差(mean square error,MSE)反應(yīng)圖像變化的整體質(zhì)量,峰值信噪比(peak signal to noise ratio,PSNR)用來比較圖像的壓縮質(zhì)量,結(jié)構(gòu)相似性(structural similarity index,SSIM)顯示兩個(gè)圖像相似性的指標(biāo),結(jié)合這三種指標(biāo)來評(píng)估圖像質(zhì)量.MSE越低越好,而PSNR與SSIM越高越好[14],結(jié)果見表5.

    表5 不同模型的圖像質(zhì)量評(píng)估Tab.5 Image quality assessment based on different models

    為了便于與原模型進(jìn)行比較,使用與原模型相同的迭代次數(shù),均采用500次.從表5可以看出:橫向比較來看,ISteGAN模型在CelebA數(shù)據(jù)集上表現(xiàn)的更好,尤其是MSE指標(biāo),遠(yuǎn)小于在Animals-10數(shù)據(jù)集上的值;縱向比較來看,改進(jìn)模型的MSE均小于其他模型,ISteGAN模型的PSNR與SSIM均大于其他模型,特別是MSE指標(biāo),改進(jìn)的模型遠(yuǎn)低于其他模型,說明了改進(jìn)模型的有效性.

    如圖9所示,隨機(jī)選取載體圖像,將其訓(xùn)練后生成載密圖像,嵌入容量分別為0.4位/像素、0.5位/像素、0.6位/像素和0.7位/像素.

    觀察圖9可知:0.7位/像素嵌入容量的載密圖像出現(xiàn)明顯失真,已經(jīng)沒有使用價(jià)值;從0.4位/像素到0.6位/像素圖像不能通過人類的感知系統(tǒng)直接區(qū)分載體圖像和載密圖像,說明圖像質(zhì)量都具有很好的不可感知性,可以選擇0.6位/像素作為嵌入容量的閾值.

    圖9 ISteGAN在不同嵌入容量下的載密圖像Fig.9 Dense load image of ISteGAN under different embedding rates

    為了進(jìn)一步定量確定嵌入容量的閾值,對(duì)ISteGAN模型在不同的嵌入容量下進(jìn)行質(zhì)量評(píng)估,結(jié)果見表6.從表6可以看出:和定性分析一致,嵌入容量為0.7位/像素時(shí),圖像的各個(gè)指標(biāo)表現(xiàn)差,說明此時(shí)的載密圖像已經(jīng)沒有使用價(jià)值;當(dāng)嵌入容量為0.6位/像素時(shí),圖像的質(zhì)量有所降低,但載密圖像依然具有使用價(jià)值.因此ISteGAN模型圖像的容量在嵌入容量達(dá)到0.6位/像素時(shí)達(dá)到最大.

    表6 ISteGAN模型圖像質(zhì)量評(píng)估Tab.6 Improved SteGAN model for image quality assessment

    ISteGAN與SteGAN比較結(jié)果見圖10與表7,雙方的模型均在CelebA數(shù)據(jù)集上生成載密圖像.通過人類的感知系統(tǒng)來看,ISteGAN在嵌入隱寫信息更多的情況下與SteGAN生成的載密圖像沒有區(qū)別.

    圖10 在CelebA數(shù)據(jù)集生成的圖像Fig.10 The image generated in the CelebA dataset

    進(jìn)一步通過數(shù)據(jù)對(duì)比來看(見表7),ISteGAN在高嵌入容量的情況下,不可感知性均優(yōu)于SteGAN,進(jìn)一步證明改進(jìn)模型的有效性.

    表7 在CelebA數(shù)據(jù)集上圖像質(zhì)量評(píng)估Tab.7 Image quality assessment on CelebA dataset

    從圖11與表8可以看出:在Animals-10數(shù)據(jù)集上,ISteGAN模型依然可以生成大容量的載密圖像,但是在不可感知性上效果略差于CelebA數(shù)據(jù)集,這是因?yàn)锳nimals-10數(shù)據(jù)集使用的均為全身動(dòng)物圖像,圖像特征分布過多,難以提取,而CelebA數(shù)據(jù)集均為人臉圖像,圖像特征更容易提取.

    表8 在Animals-10數(shù)據(jù)集上圖像質(zhì)量評(píng)估Tab.8 Image quality assessment on Animals-10 dataset

    圖11 在Animals-10數(shù)據(jù)集上生成的圖像Fig.11 Image generated in the Animals-10 dataset

    3.3 解碼準(zhǔn)確率

    圖像隱寫的最終目的就是為了安全準(zhǔn)確的傳輸信息,所以對(duì)于秘密信息接收方來說,信息的準(zhǔn)確率尤為重要,ISteGAN在不同的嵌入容量下,Bob解碼準(zhǔn)確率如圖12所示.

    由圖12可知:隨著訓(xùn)練次數(shù)增加,Bob解碼準(zhǔn)確率能夠達(dá)到95%以上的準(zhǔn)確率閾值,滿足隱寫信息的要求,達(dá)到了提高嵌入容量的目標(biāo);而且嵌入容量由0.4位/像素增加到0.5位/像素.

    圖12 不同Q值下Bob解碼成功率Fig.12 Success rate of Bob decoding under different Q values

    在實(shí)際應(yīng)用中,應(yīng)根據(jù)不同應(yīng)用場(chǎng)景選擇不同的嵌入容量:在秘密通信應(yīng)用場(chǎng)景,應(yīng)選取嵌入容量為0.5位/像素的載密圖像,以降低嵌入容量換取秘密通信100%的安全性;而在圖像隱寫應(yīng)用場(chǎng)景,則可以選擇嵌入容量為0.6位/像素的載密圖像,通過提高嵌入容量來完成隱寫任務(wù).

    3.4 隱寫安全性

    傳統(tǒng)的自適應(yīng)隱寫算法大多通過人為經(jīng)驗(yàn)來設(shè)計(jì)最小嵌入失真代價(jià),去尋找載體圖像中最優(yōu)的嵌入位置,不僅需要花費(fèi)大量的時(shí)間精力,而且涉及到嵌入后的圖像失真及安全性問題,載體圖像中可選嵌入位置有限[15].現(xiàn)階段基于深度學(xué)習(xí)的圖像隱寫模型,將秘密信息嵌入到噪聲或紋理復(fù)雜區(qū)域,使得 隱寫圖像的隱蔽性更強(qiáng),隱寫分析更加困難.

    為了驗(yàn)證SteGAN生成的隱寫圖像抗隱寫分析性能,本文使用一種開源的隱寫分析工具StegExpose.從CelebA,Animals-10兩個(gè)測(cè)試集中分別隨機(jī)選擇1 000張載體圖像,使用嵌入容量分別為0.4位/像素、0.5位/像素、0.6位/像素的載密圖像,檢測(cè)后的結(jié)果見表9.

    從表9可以看出:使用StegExpose工具僅僅比隨機(jī)猜測(cè)出隱寫圖像略微有效,這表明ISteGAN模型在進(jìn)行隱寫安全檢測(cè)時(shí)可以成功達(dá)到檢測(cè)標(biāo)準(zhǔn),滿足信息隱寫算法的可行性,但是在最大的嵌入容量0.6位/像素下檢測(cè)率已超過60%,可見本文提出的網(wǎng)絡(luò)的抗隱寫分析能力仍然不足.

    表9 StegExpose在不同嵌入容量下的檢測(cè)率Tab.9 Detection rates of StegExpose at different embedded capacities

    4 結(jié)論

    本文利用密集連接來改變SteGAN網(wǎng)絡(luò)內(nèi)的連接方式,加強(qiáng)圖像特征傳遞,并使用卷積注意力模塊獲取圖像的深層次特征,保證載密圖像的質(zhì)量,并在判別器中引入譜歸一化方法來緩解SteGAN訓(xùn)練的不穩(wěn)定性.將原始模型與改進(jìn)模型進(jìn)行比較,仿真實(shí)驗(yàn)結(jié)果表明:在保證傳輸信息準(zhǔn)確性的情況下,載密圖像的不可感知性和隱寫容量均有所提升,隱寫容量從0.4位/像素提高到0.6位/像素,并能有效地抵抗隱寫分析器的檢測(cè);然而,ISteGAN在嵌入容量為0.6位/像素時(shí),解碼成功率僅達(dá)到95%,還需要進(jìn)一步改進(jìn),并且隨著圖像隱寫容量提高,圖像的不可感知性與抗隱寫分析性能并沒有提高很多.在今后的工作中,將進(jìn)一步研究對(duì)于載密圖像不可感知性以及抗隱寫分析性能的提高.

    猜你喜歡
    特征信息模型
    一半模型
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀察
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    3D打印中的模型分割與打包
    展會(huì)信息
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    久久久久国产精品人妻aⅴ院| 亚洲av一区综合| 美女大奶头视频| 他把我摸到了高潮在线观看| www.999成人在线观看| 久久久久久久久久黄片| 日韩欧美一区二区三区在线观看| 国产精品一及| 亚洲自偷自拍三级| 免费电影在线观看免费观看| 免费av毛片视频| 在线免费观看的www视频| 国产精品,欧美在线| 我要搜黄色片| 一级av片app| 日韩欧美在线乱码| 欧美又色又爽又黄视频| 成年女人永久免费观看视频| 午夜激情欧美在线| 精品国内亚洲2022精品成人| 精品国产亚洲在线| 国产成年人精品一区二区| 日韩欧美精品免费久久 | .国产精品久久| 成人三级黄色视频| 久久亚洲真实| 亚洲久久久久久中文字幕| 中文资源天堂在线| 97人妻精品一区二区三区麻豆| 黄色视频,在线免费观看| 久99久视频精品免费| 国产精品永久免费网站| 国产视频一区二区在线看| 午夜影院日韩av| 最近视频中文字幕2019在线8| 熟女人妻精品中文字幕| 成人精品一区二区免费| 悠悠久久av| 亚洲国产欧洲综合997久久,| 成人av在线播放网站| 国产色婷婷99| 国产乱人视频| 黄色视频,在线免费观看| 国内精品久久久久久久电影| 熟妇人妻久久中文字幕3abv| 最新中文字幕久久久久| 午夜福利在线观看吧| 亚洲国产精品久久男人天堂| 欧美日韩综合久久久久久 | 国产成年人精品一区二区| 亚洲五月婷婷丁香| 国产在线精品亚洲第一网站| 国产爱豆传媒在线观看| 国产精品三级大全| 97超级碰碰碰精品色视频在线观看| 成人精品一区二区免费| 深夜a级毛片| 我要搜黄色片| 别揉我奶头 嗯啊视频| 国产乱人伦免费视频| 国产主播在线观看一区二区| 国产精华一区二区三区| 丁香六月欧美| 精品人妻视频免费看| 国产av不卡久久| 日本一二三区视频观看| 夜夜躁狠狠躁天天躁| 变态另类成人亚洲欧美熟女| 91麻豆精品激情在线观看国产| 亚洲黑人精品在线| 直男gayav资源| 国内精品一区二区在线观看| 欧美bdsm另类| 欧美激情在线99| 亚洲av不卡在线观看| 可以在线观看毛片的网站| 最近最新中文字幕大全电影3| 可以在线观看毛片的网站| 搞女人的毛片| 亚洲无线观看免费| a级一级毛片免费在线观看| 最近最新中文字幕大全电影3| 淫妇啪啪啪对白视频| 国产av麻豆久久久久久久| 91狼人影院| 婷婷亚洲欧美| 又紧又爽又黄一区二区| 国产一区二区三区视频了| 999久久久精品免费观看国产| 欧美日韩黄片免| 两个人的视频大全免费| 亚洲精品亚洲一区二区| 国产在线男女| 日韩国内少妇激情av| 三级国产精品欧美在线观看| 国产精品一区二区性色av| 三级男女做爰猛烈吃奶摸视频| 久久久久久久久久成人| 亚洲色图av天堂| 亚洲 欧美 日韩 在线 免费| 免费看a级黄色片| 亚洲片人在线观看| 欧美日韩中文字幕国产精品一区二区三区| 老鸭窝网址在线观看| 国产美女午夜福利| 国内久久婷婷六月综合欲色啪| 窝窝影院91人妻| 亚洲第一区二区三区不卡| 在线观看av片永久免费下载| 久久亚洲精品不卡| 国产一区二区三区在线臀色熟女| 免费人成视频x8x8入口观看| 亚洲国产色片| 校园春色视频在线观看| 亚洲午夜理论影院| 欧美日韩黄片免| 成人三级黄色视频| 久久久久久久久久黄片| 亚洲av电影在线进入| 欧美成狂野欧美在线观看| 成年女人毛片免费观看观看9| 美女被艹到高潮喷水动态| 精品不卡国产一区二区三区| 久久国产乱子伦精品免费另类| www.999成人在线观看| 在线国产一区二区在线| 亚洲无线观看免费| 99视频精品全部免费 在线| 亚洲欧美日韩无卡精品| 国产黄a三级三级三级人| 别揉我奶头~嗯~啊~动态视频| 99久久精品一区二区三区| 亚洲真实伦在线观看| 最近中文字幕高清免费大全6 | 亚洲av电影不卡..在线观看| 在线天堂最新版资源| 五月玫瑰六月丁香| 极品教师在线视频| 国产免费一级a男人的天堂| 午夜福利免费观看在线| 精品午夜福利视频在线观看一区| 在线观看免费视频日本深夜| 国产精品精品国产色婷婷| 校园春色视频在线观看| 国内少妇人妻偷人精品xxx网站| 最近视频中文字幕2019在线8| 精品午夜福利视频在线观看一区| 久久香蕉精品热| 少妇的逼好多水| 在线看三级毛片| 伊人久久精品亚洲午夜| 一二三四社区在线视频社区8| 无人区码免费观看不卡| 久久国产精品影院| 最近视频中文字幕2019在线8| 欧美极品一区二区三区四区| 每晚都被弄得嗷嗷叫到高潮| 久久6这里有精品| 男女那种视频在线观看| 丁香欧美五月| 1024手机看黄色片| 成人高潮视频无遮挡免费网站| 久久久成人免费电影| 久久久色成人| 白带黄色成豆腐渣| a级毛片免费高清观看在线播放| 久久草成人影院| 国产视频一区二区在线看| 精品久久国产蜜桃| 欧美3d第一页| 精品国产亚洲在线| 两个人视频免费观看高清| 国产在视频线在精品| 中文字幕av成人在线电影| 国产精品女同一区二区软件 | 亚洲国产精品合色在线| 国产一区二区在线av高清观看| 国产69精品久久久久777片| 欧美最新免费一区二区三区 | 一本精品99久久精品77| 91字幕亚洲| 日日干狠狠操夜夜爽| 中文在线观看免费www的网站| 日韩免费av在线播放| 亚洲最大成人av| 国产久久久一区二区三区| 999久久久精品免费观看国产| 听说在线观看完整版免费高清| 亚洲人成网站在线播| 色哟哟哟哟哟哟| 观看美女的网站| 老女人水多毛片| 又粗又爽又猛毛片免费看| 女人十人毛片免费观看3o分钟| 午夜精品一区二区三区免费看| 婷婷精品国产亚洲av在线| 精品久久久久久久末码| 国产熟女xx| 高清日韩中文字幕在线| 91麻豆av在线| 国产三级中文精品| 性插视频无遮挡在线免费观看| 窝窝影院91人妻| 午夜福利欧美成人| 久久午夜亚洲精品久久| 少妇熟女aⅴ在线视频| 精品乱码久久久久久99久播| 免费看日本二区| 永久网站在线| 精品久久久久久久末码| 国产探花极品一区二区| 久久久久久大精品| 国产高清三级在线| 美女大奶头视频| 国产精品女同一区二区软件 | 波多野结衣巨乳人妻| avwww免费| 精品熟女少妇八av免费久了| 亚洲国产高清在线一区二区三| av在线天堂中文字幕| 一本精品99久久精品77| 欧美bdsm另类| 欧美黄色淫秽网站| 日韩人妻高清精品专区| 18禁裸乳无遮挡免费网站照片| 国产亚洲精品综合一区在线观看| 亚洲熟妇中文字幕五十中出| 亚洲av电影不卡..在线观看| 在线观看av片永久免费下载| 成年人黄色毛片网站| 伊人久久精品亚洲午夜| 我要看日韩黄色一级片| 脱女人内裤的视频| 亚洲av.av天堂| 国产视频内射| 久久久久久九九精品二区国产| 亚洲精品影视一区二区三区av| 波多野结衣巨乳人妻| 亚洲激情在线av| 国产69精品久久久久777片| 999久久久精品免费观看国产| 亚洲av第一区精品v没综合| 成人一区二区视频在线观看| 久久久久久久久久黄片| www.熟女人妻精品国产| 最新中文字幕久久久久| 日本撒尿小便嘘嘘汇集6| 精品一区二区三区视频在线观看免费| 欧美成人a在线观看| 亚洲中文日韩欧美视频| www.色视频.com| 亚洲成a人片在线一区二区| 熟女电影av网| 成人午夜高清在线视频| 欧美最黄视频在线播放免费| 久久精品久久久久久噜噜老黄 | 成人性生交大片免费视频hd| 白带黄色成豆腐渣| 国产黄色小视频在线观看| 怎么达到女性高潮| 久久久久久久久大av| 少妇人妻精品综合一区二区 | 日本 欧美在线| 亚洲一区二区三区不卡视频| 欧美一区二区国产精品久久精品| 国内精品久久久久精免费| 亚洲片人在线观看| 99久国产av精品| 神马国产精品三级电影在线观看| 简卡轻食公司| 色哟哟·www| 丰满人妻熟妇乱又伦精品不卡| 欧美日本亚洲视频在线播放| 亚洲人成伊人成综合网2020| ponron亚洲| 日韩高清综合在线| 三级男女做爰猛烈吃奶摸视频| 一个人免费在线观看电影| 看免费av毛片| 亚洲熟妇中文字幕五十中出| 又黄又爽又刺激的免费视频.| 一a级毛片在线观看| 三级毛片av免费| 亚洲成人免费电影在线观看| 老鸭窝网址在线观看| 国产免费男女视频| 美女xxoo啪啪120秒动态图 | 啪啪无遮挡十八禁网站| 成人高潮视频无遮挡免费网站| a级毛片a级免费在线| 久久精品国产亚洲av天美| 亚洲精品在线美女| 九九久久精品国产亚洲av麻豆| 日韩欧美国产一区二区入口| 亚洲内射少妇av| 美女黄网站色视频| 国产视频内射| 亚洲成人免费电影在线观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲内射少妇av| 淫秽高清视频在线观看| 中文字幕精品亚洲无线码一区| 熟妇人妻久久中文字幕3abv| 国产伦精品一区二区三区视频9| 久久久久九九精品影院| 成人欧美大片| 人人妻人人澡欧美一区二区| 亚洲av一区综合| 免费黄网站久久成人精品 | 国产男靠女视频免费网站| 51午夜福利影视在线观看| 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 | 高清日韩中文字幕在线| 午夜激情欧美在线| 免费av不卡在线播放| av国产免费在线观看| 高清毛片免费观看视频网站| 国产老妇女一区| 丝袜美腿在线中文| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 欧美不卡视频在线免费观看| 免费看美女性在线毛片视频| 国产精品野战在线观看| 成年女人永久免费观看视频| 怎么达到女性高潮| 国产成人福利小说| 成人精品一区二区免费| 床上黄色一级片| 久久久久久久亚洲中文字幕 | a级一级毛片免费在线观看| 波多野结衣高清作品| 老女人水多毛片| 黄色女人牲交| 国产综合懂色| 五月玫瑰六月丁香| 成人一区二区视频在线观看| 国产一区二区激情短视频| 亚洲人成网站高清观看| 久久人人爽人人爽人人片va | 久久婷婷人人爽人人干人人爱| 人妻久久中文字幕网| 久久国产乱子免费精品| 夜夜夜夜夜久久久久| 日韩欧美国产一区二区入口| 亚洲成a人片在线一区二区| 悠悠久久av| 国产欧美日韩一区二区精品| 日韩人妻高清精品专区| 久久久久性生活片| 亚洲乱码一区二区免费版| 日本撒尿小便嘘嘘汇集6| 国产精品影院久久| 国产69精品久久久久777片| 免费看a级黄色片| 亚洲欧美激情综合另类| 亚洲欧美日韩无卡精品| 人妻久久中文字幕网| 欧美在线黄色| 欧美国产日韩亚洲一区| 黄片小视频在线播放| 老女人水多毛片| 日韩欧美三级三区| 啦啦啦韩国在线观看视频| 天堂动漫精品| 天堂av国产一区二区熟女人妻| 哪里可以看免费的av片| 美女被艹到高潮喷水动态| 精品久久国产蜜桃| 91在线观看av| 黄色视频,在线免费观看| 国产精品人妻久久久久久| 久久久久久大精品| 国产精品亚洲美女久久久| 免费看美女性在线毛片视频| 日韩精品中文字幕看吧| 精品久久久久久久末码| 亚洲第一区二区三区不卡| 欧美成狂野欧美在线观看| 日本黄大片高清| 99国产精品一区二区蜜桃av| 日韩精品中文字幕看吧| 成人无遮挡网站| 精品福利观看| 美女cb高潮喷水在线观看| 国产老妇女一区| 久久久久九九精品影院| 免费在线观看影片大全网站| 别揉我奶头~嗯~啊~动态视频| 免费在线观看影片大全网站| 精品无人区乱码1区二区| 精品人妻1区二区| 亚洲一区高清亚洲精品| 少妇丰满av| 免费黄网站久久成人精品 | 人妻丰满熟妇av一区二区三区| 精品午夜福利在线看| 99热精品在线国产| 丰满乱子伦码专区| 欧美激情国产日韩精品一区| 毛片一级片免费看久久久久 | 欧美一区二区精品小视频在线| 亚洲人与动物交配视频| 人人妻,人人澡人人爽秒播| 免费在线观看成人毛片| 亚洲自拍偷在线| 精品日产1卡2卡| 久久精品久久久久久噜噜老黄 | 欧美最新免费一区二区三区 | 日本在线视频免费播放| 国产精品,欧美在线| av黄色大香蕉| 亚洲av成人av| 韩国av一区二区三区四区| 99国产综合亚洲精品| 一个人看视频在线观看www免费| 舔av片在线| 久久精品国产亚洲av涩爱 | 国产毛片a区久久久久| 天天躁日日操中文字幕| 久久精品91蜜桃| 成年人黄色毛片网站| 老熟妇仑乱视频hdxx| 一级黄片播放器| 成人三级黄色视频| 久久久久精品国产欧美久久久| 宅男免费午夜| 精品久久久久久久人妻蜜臀av| 美女xxoo啪啪120秒动态图 | 能在线免费观看的黄片| 国产午夜精品久久久久久一区二区三区 | 又黄又爽又免费观看的视频| 性色avwww在线观看| 麻豆久久精品国产亚洲av| 热99re8久久精品国产| 2021天堂中文幕一二区在线观| 老司机福利观看| 久久精品国产清高在天天线| 成人欧美大片| 男女之事视频高清在线观看| 女同久久另类99精品国产91| 久久久色成人| 2021天堂中文幕一二区在线观| 成人亚洲精品av一区二区| 香蕉av资源在线| 免费在线观看日本一区| 偷拍熟女少妇极品色| 欧美不卡视频在线免费观看| 午夜精品在线福利| 国产男靠女视频免费网站| 成人亚洲精品av一区二区| 高清日韩中文字幕在线| 国产在线男女| 欧美激情在线99| 全区人妻精品视频| 国产成人aa在线观看| 自拍偷自拍亚洲精品老妇| 亚洲人成网站在线播| 亚洲av美国av| 在线国产一区二区在线| 亚洲欧美日韩卡通动漫| 亚洲精品在线美女| xxxwww97欧美| 国产精品久久久久久精品电影| 日韩欧美在线乱码| 性色av乱码一区二区三区2| 99久久九九国产精品国产免费| 在线观看午夜福利视频| 国内少妇人妻偷人精品xxx网站| 欧美3d第一页| 国产精品一及| 国产激情偷乱视频一区二区| 岛国在线免费视频观看| 亚洲电影在线观看av| 国产成人aa在线观看| 97人妻精品一区二区三区麻豆| 国产av一区在线观看免费| 一二三四社区在线视频社区8| 中文资源天堂在线| 一区二区三区免费毛片| 久久精品人妻少妇| 欧美日韩亚洲国产一区二区在线观看| 国产高清视频在线观看网站| 亚洲一区二区三区不卡视频| 亚洲精品久久国产高清桃花| 好男人电影高清在线观看| 特大巨黑吊av在线直播| 久久久久久久久久黄片| 亚洲一区二区三区不卡视频| 久久久久国内视频| 日韩欧美国产一区二区入口| 欧洲精品卡2卡3卡4卡5卡区| 色哟哟·www| 天天一区二区日本电影三级| 欧美成狂野欧美在线观看| 2021天堂中文幕一二区在线观| 久久久国产成人精品二区| 色在线成人网| 亚洲第一欧美日韩一区二区三区| 亚洲av免费在线观看| 精品久久久久久久人妻蜜臀av| 久久6这里有精品| 国产一区二区三区视频了| 免费在线观看成人毛片| 2021天堂中文幕一二区在线观| aaaaa片日本免费| 日韩成人在线观看一区二区三区| 老女人水多毛片| 波多野结衣高清作品| 怎么达到女性高潮| 成人特级av手机在线观看| 亚洲国产精品合色在线| 久9热在线精品视频| 国产午夜精品久久久久久一区二区三区 | 天堂动漫精品| 两性午夜刺激爽爽歪歪视频在线观看| 国产精华一区二区三区| 国产野战对白在线观看| 乱码一卡2卡4卡精品| 亚洲狠狠婷婷综合久久图片| 欧美日韩综合久久久久久 | 亚洲不卡免费看| 亚洲av免费在线观看| 一本综合久久免费| 免费观看的影片在线观看| 久久人人精品亚洲av| 精品人妻一区二区三区麻豆 | 2021天堂中文幕一二区在线观| 国内久久婷婷六月综合欲色啪| 国产一区二区在线av高清观看| 国内精品一区二区在线观看| 麻豆成人午夜福利视频| 色噜噜av男人的天堂激情| 啦啦啦韩国在线观看视频| 一区二区三区四区激情视频 | 老司机午夜福利在线观看视频| 日韩欧美三级三区| 特级一级黄色大片| 久久九九热精品免费| 亚洲国产精品sss在线观看| 亚洲av成人精品一区久久| 日韩欧美免费精品| 一区二区三区激情视频| 久久久国产成人精品二区| 亚洲精品色激情综合| 国产伦在线观看视频一区| 国产亚洲精品久久久com| 国产野战对白在线观看| 又黄又爽又刺激的免费视频.| 在线观看美女被高潮喷水网站 | 欧美成人a在线观看| 又粗又爽又猛毛片免费看| 国内久久婷婷六月综合欲色啪| or卡值多少钱| 夜夜看夜夜爽夜夜摸| 免费看日本二区| 国产欧美日韩精品亚洲av| 亚洲国产精品合色在线| 日韩 亚洲 欧美在线| 久久久成人免费电影| 欧美日本视频| 一a级毛片在线观看| 真人做人爱边吃奶动态| 亚洲精品久久国产高清桃花| 午夜福利18| 啦啦啦观看免费观看视频高清| 一区二区三区四区激情视频 | 午夜福利成人在线免费观看| 有码 亚洲区| 亚洲专区国产一区二区| 99久久精品国产亚洲精品| 久久精品国产清高在天天线| 久久久久久久久久成人| 久久久国产成人免费| avwww免费| 免费av观看视频| 美女cb高潮喷水在线观看| 精华霜和精华液先用哪个| 国产av麻豆久久久久久久| 国产精品久久视频播放| 亚洲乱码一区二区免费版| 国产色婷婷99| 成人午夜高清在线视频| 亚洲精品亚洲一区二区| 国产久久久一区二区三区| 极品教师在线免费播放| 亚洲一区二区三区色噜噜| 亚洲av不卡在线观看| 亚洲av日韩精品久久久久久密| 99视频精品全部免费 在线| 男人狂女人下面高潮的视频| 长腿黑丝高跟| 免费av不卡在线播放| 欧美丝袜亚洲另类 | 亚洲五月婷婷丁香| 精品久久久久久久久亚洲 | 97碰自拍视频| 真实男女啪啪啪动态图| av视频在线观看入口| 又粗又爽又猛毛片免费看| 九色国产91popny在线| 亚洲欧美日韩卡通动漫| 神马国产精品三级电影在线观看| 十八禁国产超污无遮挡网站| av在线天堂中文字幕| 两个人的视频大全免费| 欧美国产日韩亚洲一区| 听说在线观看完整版免费高清| 精品一区二区三区人妻视频| 直男gayav资源| 天美传媒精品一区二区| 亚洲成人久久性| 日韩欧美国产在线观看| 一区二区三区四区激情视频 | 欧美国产日韩亚洲一区|