• <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
    久久久久久久精品精品| 久久 成人 亚洲| 桃花免费在线播放| 日日撸夜夜添| 黄片播放在线免费| 亚洲精品一区蜜桃| 免费看不卡的av| 日本免费在线观看一区| 少妇人妻久久综合中文| 免费观看性生交大片5| 97精品久久久久久久久久精品| 国产在线一区二区三区精| 国产毛片在线视频| 22中文网久久字幕| 午夜激情久久久久久久| 欧美 亚洲 国产 日韩一| 欧美3d第一页| kizo精华| 黄色配什么色好看| 女性生殖器流出的白浆| www.av在线官网国产| 国产午夜精品一二区理论片| 巨乳人妻的诱惑在线观看| 捣出白浆h1v1| 视频区图区小说| 激情五月婷婷亚洲| 秋霞在线观看毛片| 人妻 亚洲 视频| 亚洲第一区二区三区不卡| 日本wwww免费看| 看免费av毛片| 国产精品蜜桃在线观看| 国产成人精品福利久久| 五月伊人婷婷丁香| 亚洲 欧美一区二区三区| 黄网站色视频无遮挡免费观看| 久久这里有精品视频免费| 成年美女黄网站色视频大全免费| 亚洲av福利一区| 精品久久久精品久久久| 水蜜桃什么品种好| 晚上一个人看的免费电影| 欧美3d第一页| 侵犯人妻中文字幕一二三四区| 久久精品夜色国产| 亚洲成人一二三区av| 国产深夜福利视频在线观看| 国产又爽黄色视频| 蜜桃在线观看..| 色5月婷婷丁香| 久久久久久久久久久免费av| 日本黄大片高清| 亚洲激情五月婷婷啪啪| 亚洲熟女精品中文字幕| 一本—道久久a久久精品蜜桃钙片| 久久久久人妻精品一区果冻| 亚洲欧美清纯卡通| 亚洲精品日本国产第一区| 精品人妻一区二区三区麻豆| 亚洲人成77777在线视频| 人人妻人人澡人人看| 黄色毛片三级朝国网站| 久久久a久久爽久久v久久| 99国产综合亚洲精品| 七月丁香在线播放| 性色avwww在线观看| 精品亚洲乱码少妇综合久久| 国产免费福利视频在线观看| 国产精品一区二区在线不卡| 久久久久久人人人人人| 国产av精品麻豆| 日韩不卡一区二区三区视频在线| av电影中文网址| 久久久国产欧美日韩av| a级毛片在线看网站| 欧美少妇被猛烈插入视频| 九色亚洲精品在线播放| 精品人妻熟女毛片av久久网站| 国产精品 国内视频| 天堂中文最新版在线下载| 老女人水多毛片| 久久精品熟女亚洲av麻豆精品| 欧美激情极品国产一区二区三区 | 日本与韩国留学比较| 777米奇影视久久| 一区二区三区乱码不卡18| 国产深夜福利视频在线观看| 国产成人一区二区在线| 亚洲一码二码三码区别大吗| 国产一区二区三区av在线| av一本久久久久| 老司机亚洲免费影院| 999精品在线视频| 国产一级毛片在线| 极品少妇高潮喷水抽搐| 两个人免费观看高清视频| 中国美白少妇内射xxxbb| 国产精品一区二区在线观看99| 久久久亚洲精品成人影院| 日韩制服骚丝袜av| 精品第一国产精品| 亚洲av免费高清在线观看| 欧美成人精品欧美一级黄| 男女无遮挡免费网站观看| 黄色一级大片看看| 22中文网久久字幕| 七月丁香在线播放| 免费观看性生交大片5| 丝袜脚勾引网站| 国产在线一区二区三区精| 欧美激情 高清一区二区三区| 少妇高潮的动态图| 一级毛片黄色毛片免费观看视频| 欧美人与性动交α欧美精品济南到 | 少妇熟女欧美另类| 一个人免费看片子| 亚洲精品美女久久久久99蜜臀 | 91精品伊人久久大香线蕉| 有码 亚洲区| 久久久久人妻精品一区果冻| 99热全是精品| 亚洲精品久久成人aⅴ小说| 国产成人精品福利久久| 91午夜精品亚洲一区二区三区| 一级毛片 在线播放| 啦啦啦中文免费视频观看日本| 下体分泌物呈黄色| 高清在线视频一区二区三区| h视频一区二区三区| 大陆偷拍与自拍| 欧美日韩视频精品一区| 高清av免费在线| 91精品国产国语对白视频| 黄色 视频免费看| 国产一区二区激情短视频 | av卡一久久| 精品亚洲成国产av| 免费人妻精品一区二区三区视频| 免费观看无遮挡的男女| 国产亚洲精品第一综合不卡 | 国产精品蜜桃在线观看| 精品福利永久在线观看| xxxhd国产人妻xxx| 欧美97在线视频| freevideosex欧美| 好男人视频免费观看在线| 青春草视频在线免费观看| 亚洲av国产av综合av卡| 亚洲婷婷狠狠爱综合网| 亚洲人成网站在线观看播放| 人人妻人人澡人人看| 亚洲av免费高清在线观看| 97超碰精品成人国产| 日韩伦理黄色片| 性色avwww在线观看| 久久精品aⅴ一区二区三区四区 | 午夜激情久久久久久久| 18禁动态无遮挡网站| 狠狠婷婷综合久久久久久88av| 九色成人免费人妻av| 国产69精品久久久久777片| 免费av不卡在线播放| 九色成人免费人妻av| 国产精品久久久久久精品古装| 久久女婷五月综合色啪小说| 狂野欧美激情性xxxx在线观看| 晚上一个人看的免费电影| 日本免费在线观看一区| 色视频在线一区二区三区| 极品少妇高潮喷水抽搐| 汤姆久久久久久久影院中文字幕| 亚洲国产最新在线播放| 色5月婷婷丁香| 日韩制服骚丝袜av| 最近的中文字幕免费完整| 精品少妇黑人巨大在线播放| 国产成人精品婷婷| 日韩制服丝袜自拍偷拍| 超色免费av| av卡一久久| 久久婷婷青草| 日本色播在线视频| 日韩 亚洲 欧美在线| 久久久久国产网址| 欧美国产精品一级二级三级| 高清在线视频一区二区三区| 国产精品一国产av| 国产精品久久久久久精品电影小说| 欧美人与善性xxx| 日韩大片免费观看网站| 久久久久久久大尺度免费视频| 中文字幕人妻丝袜制服| 成人漫画全彩无遮挡| 亚洲伊人色综图| 久久久亚洲精品成人影院| 国产免费视频播放在线视频| 国产午夜精品一二区理论片| 国产一区亚洲一区在线观看| 狠狠精品人妻久久久久久综合| 亚洲欧美精品自产自拍| 亚洲欧美日韩卡通动漫| 亚洲欧美成人精品一区二区| 国产一区亚洲一区在线观看| 久久久久久人妻| 中文天堂在线官网| 日韩免费高清中文字幕av| 午夜福利,免费看| av免费在线看不卡| 中文字幕制服av| 欧美精品人与动牲交sv欧美| 精品久久久精品久久久| 九草在线视频观看| 免费久久久久久久精品成人欧美视频 | 国产av一区二区精品久久| 久久精品久久久久久噜噜老黄| 男人爽女人下面视频在线观看| 看免费成人av毛片| 亚洲欧洲日产国产| 国产成人精品一,二区| 国产精品无大码| av不卡在线播放| 亚洲在久久综合| 大片电影免费在线观看免费| 极品少妇高潮喷水抽搐| 26uuu在线亚洲综合色| 水蜜桃什么品种好| 国产熟女欧美一区二区| 国产成人av激情在线播放| 天天影视国产精品| 99热网站在线观看| 久久久久久人妻| 亚洲激情五月婷婷啪啪| 亚洲av免费高清在线观看| 免费大片黄手机在线观看| 亚洲欧洲日产国产| 巨乳人妻的诱惑在线观看| av福利片在线| 国产精品国产三级国产专区5o| 香蕉丝袜av| 天美传媒精品一区二区| 国产成人午夜福利电影在线观看| 大片电影免费在线观看免费| 丝袜喷水一区| 日韩制服骚丝袜av| 妹子高潮喷水视频| 22中文网久久字幕| www日本在线高清视频| 捣出白浆h1v1| 青青草视频在线视频观看| 精品一区二区三卡| 国产成人91sexporn| 国产无遮挡羞羞视频在线观看| 国产福利在线免费观看视频| 日韩欧美精品免费久久| 久久久久久久久久久免费av| 精品第一国产精品| 青春草视频在线免费观看| 亚洲av成人精品一二三区| 国产日韩欧美视频二区| 美女大奶头黄色视频| 丰满少妇做爰视频| 欧美日本中文国产一区发布| 国产片内射在线| 国产在线一区二区三区精| 国产探花极品一区二区| 亚洲精品久久久久久婷婷小说| 夫妻午夜视频| 国产欧美日韩一区二区三区在线| 国产日韩欧美视频二区| 国产精品人妻久久久久久| 欧美日韩精品成人综合77777| 欧美 亚洲 国产 日韩一| 99re6热这里在线精品视频| 桃花免费在线播放| 99热6这里只有精品| 赤兔流量卡办理| 只有这里有精品99| 人妻少妇偷人精品九色| 免费高清在线观看日韩| 久久韩国三级中文字幕| 色5月婷婷丁香| xxx大片免费视频| 建设人人有责人人尽责人人享有的| 国产有黄有色有爽视频| 高清不卡的av网站| 蜜桃在线观看..| 成人国语在线视频| 丝瓜视频免费看黄片| 亚洲精品视频女| 午夜91福利影院| 亚洲国产精品999| 大码成人一级视频| 久久精品国产亚洲av天美| freevideosex欧美| 人妻少妇偷人精品九色| 亚洲欧美精品自产自拍| 日韩欧美精品免费久久| 亚洲av电影在线进入| 亚洲欧洲精品一区二区精品久久久 | 成年人免费黄色播放视频| 亚洲国产欧美在线一区| 男女午夜视频在线观看 | 十八禁高潮呻吟视频| 国产熟女午夜一区二区三区| 另类精品久久| 久久99蜜桃精品久久| 欧美日韩av久久| 午夜福利在线观看免费完整高清在| 国产免费一区二区三区四区乱码| 波野结衣二区三区在线| 美女福利国产在线| 人人妻人人澡人人爽人人夜夜| 免费观看性生交大片5| 熟女av电影| 日本猛色少妇xxxxx猛交久久| 亚洲国产毛片av蜜桃av| 亚洲一级一片aⅴ在线观看| 亚洲图色成人| 精品国产一区二区久久| 久久精品国产鲁丝片午夜精品| 美女主播在线视频| 久热久热在线精品观看| 日韩中字成人| 熟妇人妻不卡中文字幕| 国产精品秋霞免费鲁丝片| 激情视频va一区二区三区| 亚洲精品乱码久久久久久按摩| 男人爽女人下面视频在线观看| 精品熟女少妇av免费看| 亚洲国产最新在线播放| 香蕉丝袜av| 午夜91福利影院| 国产白丝娇喘喷水9色精品| 一区二区三区四区激情视频| 黄色配什么色好看| 久久99热这里只频精品6学生| 日韩在线高清观看一区二区三区| 久久久精品94久久精品| 久久精品aⅴ一区二区三区四区 | 一二三四中文在线观看免费高清| 国产在线免费精品| 日日爽夜夜爽网站| 看十八女毛片水多多多| 国产精品久久久久久av不卡| 黑丝袜美女国产一区| 嫩草影院入口| 亚洲成人av在线免费| 在线观看免费高清a一片| 在线天堂中文资源库| xxxhd国产人妻xxx| 女人久久www免费人成看片| 国精品久久久久久国模美| 不卡视频在线观看欧美| 国产av国产精品国产| 亚洲成av片中文字幕在线观看 | 大片免费播放器 马上看| 国产在线免费精品| 好男人视频免费观看在线| 人人妻人人澡人人爽人人夜夜| 少妇猛男粗大的猛烈进出视频| 久久鲁丝午夜福利片| 国产综合精华液| 午夜福利,免费看| 亚洲情色 制服丝袜| 色5月婷婷丁香| 两个人看的免费小视频| 欧美人与善性xxx| 国产成人av激情在线播放| 国产成人一区二区在线| av在线播放精品| 国产在线免费精品| 99九九在线精品视频| 老司机影院毛片| 嫩草影院入口| 中文字幕人妻丝袜制服| 下体分泌物呈黄色| 亚洲av国产av综合av卡| 超碰97精品在线观看| 男人操女人黄网站| 天天躁夜夜躁狠狠躁躁| www.色视频.com| 精品亚洲成a人片在线观看| 国产精品秋霞免费鲁丝片| 乱人伦中国视频| 99热网站在线观看| 巨乳人妻的诱惑在线观看| 久久久国产一区二区| 午夜免费观看性视频| 国产精品免费大片| 熟女av电影| 国产综合精华液| 欧美日本中文国产一区发布| 丝袜美足系列| 精品熟女少妇av免费看| 老司机影院成人| 欧美精品人与动牲交sv欧美| 三级国产精品片| 黄片无遮挡物在线观看| 国产精品蜜桃在线观看| 色婷婷av一区二区三区视频| 久久国产精品男人的天堂亚洲 | 亚洲久久久国产精品| 色视频在线一区二区三区| 国产欧美亚洲国产| 咕卡用的链子| 大话2 男鬼变身卡| 亚洲五月色婷婷综合| 日本与韩国留学比较| 亚洲精品456在线播放app| 五月伊人婷婷丁香| 97在线人人人人妻| 久久人人爽人人爽人人片va| 蜜桃在线观看..| 亚洲情色 制服丝袜| 日韩,欧美,国产一区二区三区| 卡戴珊不雅视频在线播放| 久久久久精品人妻al黑| av国产久精品久网站免费入址| 国产av码专区亚洲av| 色婷婷久久久亚洲欧美| freevideosex欧美| 18禁动态无遮挡网站| 国产麻豆69| 国产高清三级在线| 国产精品三级大全| 亚洲久久久国产精品| 啦啦啦视频在线资源免费观看| videosex国产| 中文字幕精品免费在线观看视频 | 如何舔出高潮| 国产成人免费观看mmmm| 男人添女人高潮全过程视频| 国产日韩一区二区三区精品不卡| 久久久久国产网址| 亚洲精品国产av成人精品| 国产女主播在线喷水免费视频网站| 51国产日韩欧美| 超色免费av| 女人被躁到高潮嗷嗷叫费观| 极品人妻少妇av视频| 国产高清三级在线| 国产视频首页在线观看| 国产成人精品福利久久| 欧美 亚洲 国产 日韩一| 精品人妻偷拍中文字幕| 另类精品久久| 亚洲综合色惰| 人妻 亚洲 视频| 人人澡人人妻人| 国产精品.久久久| 中文字幕精品免费在线观看视频 | 国产欧美日韩一区二区三区在线| 亚洲综合色惰| 一区二区日韩欧美中文字幕 | 久久狼人影院| 欧美日韩视频高清一区二区三区二| www.av在线官网国产| av电影中文网址| 22中文网久久字幕| 国产精品女同一区二区软件| 少妇高潮的动态图| 色婷婷久久久亚洲欧美| 大香蕉久久成人网| 久久精品国产鲁丝片午夜精品| 大码成人一级视频| 欧美激情 高清一区二区三区| 亚洲欧美日韩卡通动漫| 永久网站在线| 韩国av在线不卡| 国产一区二区在线观看日韩| 久久久久久久亚洲中文字幕| 欧美另类一区| 日本黄色日本黄色录像| 中文字幕精品免费在线观看视频 | 国产爽快片一区二区三区| 成人国语在线视频| 日韩在线高清观看一区二区三区| 一级a做视频免费观看| 日日爽夜夜爽网站| 少妇被粗大的猛进出69影院 | 久久影院123| 少妇精品久久久久久久| 日本av免费视频播放| 人妻少妇偷人精品九色| 久久久久久久久久人人人人人人| 亚洲精品久久午夜乱码| 久久精品熟女亚洲av麻豆精品| 菩萨蛮人人尽说江南好唐韦庄| 中文字幕亚洲精品专区| 国产熟女午夜一区二区三区| 在线亚洲精品国产二区图片欧美| 成人毛片60女人毛片免费| 91精品伊人久久大香线蕉| av有码第一页| 精品久久国产蜜桃| tube8黄色片| 亚洲美女黄色视频免费看| 一级黄片播放器| 全区人妻精品视频| 热re99久久国产66热| 日韩成人伦理影院| 中国三级夫妇交换| 十八禁高潮呻吟视频| 五月伊人婷婷丁香| 建设人人有责人人尽责人人享有的| 国产黄色免费在线视频| 欧美国产精品va在线观看不卡| 你懂的网址亚洲精品在线观看| 亚洲精品久久午夜乱码| 高清视频免费观看一区二区| 日韩av免费高清视频| av在线app专区| 亚洲综合色惰| 三上悠亚av全集在线观看| 中文天堂在线官网| 国产精品嫩草影院av在线观看| 久久人妻熟女aⅴ| 亚洲国产最新在线播放| 夫妻性生交免费视频一级片| 久久99热这里只频精品6学生| 亚洲成av片中文字幕在线观看 | 2022亚洲国产成人精品| 国产片特级美女逼逼视频| 免费观看在线日韩| 久久国产亚洲av麻豆专区| 亚洲性久久影院| 国产日韩一区二区三区精品不卡| 欧美97在线视频| 久久久国产一区二区| 涩涩av久久男人的天堂| 亚洲伊人久久精品综合| 少妇精品久久久久久久| 少妇的丰满在线观看| 在线观看人妻少妇| 少妇人妻 视频| 亚洲精品456在线播放app| 欧美人与性动交α欧美精品济南到 | 制服丝袜香蕉在线| 女性被躁到高潮视频| 寂寞人妻少妇视频99o| www日本在线高清视频| 国产av码专区亚洲av| 亚洲欧美清纯卡通| 永久免费av网站大全| 欧美成人午夜精品| 免费在线观看黄色视频的| 丁香六月天网| 精品久久国产蜜桃| 精品少妇黑人巨大在线播放| videossex国产| 亚洲av欧美aⅴ国产| 蜜桃国产av成人99| 久久久久久伊人网av| 成年女人在线观看亚洲视频| 天堂8中文在线网| 免费av不卡在线播放| 下体分泌物呈黄色| 成人黄色视频免费在线看| 新久久久久国产一级毛片| 国产精品欧美亚洲77777| 99国产精品免费福利视频| 最后的刺客免费高清国语| 精品福利永久在线观看| 丝袜在线中文字幕| 桃花免费在线播放| 国产午夜精品一二区理论片| 日日摸夜夜添夜夜爱| 亚洲av日韩在线播放| 久久久精品区二区三区| 亚洲国产精品专区欧美| 精品国产一区二区三区四区第35| 高清av免费在线| av视频免费观看在线观看| 成人影院久久| 午夜福利,免费看| 一二三四中文在线观看免费高清| 色网站视频免费| 成年人午夜在线观看视频| 亚洲欧美精品自产自拍| 少妇猛男粗大的猛烈进出视频| 狠狠婷婷综合久久久久久88av| 成年人午夜在线观看视频| 只有这里有精品99| 自线自在国产av| 黑人高潮一二区| 免费人成在线观看视频色| 国国产精品蜜臀av免费| 久久亚洲国产成人精品v| 久久 成人 亚洲| 国产成人午夜福利电影在线观看| 制服人妻中文乱码| 亚洲精华国产精华液的使用体验| 亚洲精品国产色婷婷电影| 日韩熟女老妇一区二区性免费视频| 丝袜美足系列| 大话2 男鬼变身卡| 9热在线视频观看99| 一区二区三区精品91| 久久人人97超碰香蕉20202| 中国三级夫妇交换| 日韩精品免费视频一区二区三区 | 99久久综合免费| 欧美xxⅹ黑人| 国内精品宾馆在线| 母亲3免费完整高清在线观看 | 亚洲精品国产av成人精品| 国产精品偷伦视频观看了| 在线观看人妻少妇| 久久人人爽av亚洲精品天堂| 亚洲成人av在线免费| 美女国产高潮福利片在线看| 中文字幕人妻熟女乱码| 精品一区二区三卡| 国精品久久久久久国模美| 精品福利永久在线观看|