• <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 ?

    基于改進(jìn)殘差網(wǎng)絡(luò)的流量識(shí)別方法研究

    2022-12-28 08:52:04嚴(yán)志兵馬自強(qiáng)
    關(guān)鍵詞:深度特征檢測(cè)

    嚴(yán)志兵,馬自強(qiáng),王 恒,黃 巖

    (寧夏大學(xué) 信息工程學(xué)院,銀川 750000)

    隨著計(jì)算機(jī)技術(shù)的發(fā)展,網(wǎng)絡(luò)流量也呈現(xiàn)井噴式增長(zhǎng),各類新型應(yīng)用流量層出不窮,這些各式各樣的流量中可能混雜著惡意攻擊流量,給網(wǎng)絡(luò)信息安全帶來(lái)了嚴(yán)重威脅??茖W(xué)地對(duì)網(wǎng)絡(luò)中的異常流量進(jìn)行分類,一方面能夠根據(jù)分類結(jié)果科學(xué)預(yù)測(cè)網(wǎng)絡(luò)中傳輸?shù)闹饕獦I(yè)務(wù),從而制定合理的網(wǎng)絡(luò)資源分配策略;另一方面也能發(fā)現(xiàn)網(wǎng)絡(luò)中存在的惡意流量,保障網(wǎng)絡(luò)安全[1]。

    目前傳統(tǒng)的網(wǎng)絡(luò)流量分類有如下幾種方法,分別是基于端口的流量檢測(cè)、基于深度包檢測(cè)方法、基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量檢測(cè)[2-3]?;诙丝诘牧髁孔R(shí)別比較簡(jiǎn)單,由于每一項(xiàng)應(yīng)用程序都有一個(gè)固定的端口號(hào),如HTTP協(xié)議的端口號(hào)是8080、SSH協(xié)議的端口號(hào)為22等,所以研究人員只需要通過(guò)流量中的端口信息,就可以知道該流量的所屬應(yīng)用類別,但是隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,互聯(lián)網(wǎng)普遍采用隨機(jī)端口號(hào)策略[4]和端口偽裝[5],這樣就使得基于端口的流量檢測(cè)技術(shù)性能下降,同時(shí)對(duì)于新型的網(wǎng)絡(luò)流量,基于端口的流量檢測(cè)技術(shù)也無(wú)法有效地進(jìn)行識(shí)別。為了彌補(bǔ)端口檢測(cè)技術(shù)的不足,研究人員便提出了深度包檢測(cè)技術(shù),所謂的深度包檢測(cè)技術(shù)是在進(jìn)行流量識(shí)別時(shí),通過(guò)分析數(shù)據(jù)包中是否有特殊的字符來(lái)進(jìn)行分類,這種方法不僅彌補(bǔ)了端口檢測(cè)技術(shù)的不足,而且檢測(cè)的準(zhǔn)確度也很高。但隨著現(xiàn)在加密技術(shù)的使用,一些攻擊者會(huì)將攻擊進(jìn)行加密,這樣就使得深度包檢測(cè)技術(shù)識(shí)別率下降,同時(shí)深度包檢測(cè)技術(shù)也無(wú)法對(duì)新型流量進(jìn)行檢測(cè),因?yàn)樯疃劝鼨z測(cè)技術(shù)需要專家將流量指紋添加到指紋庫(kù)中,隨著新型網(wǎng)絡(luò)流量的增加,手工添加指紋也是一個(gè)龐大的工程,這些缺點(diǎn)使得深度包檢測(cè)技術(shù)逐漸被淘汰。隨著機(jī)器學(xué)習(xí)技術(shù)的興起,研究者開(kāi)始將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到流量分類上,首先將原始流量進(jìn)行一系列特征預(yù)處理,包括對(duì)空值的處理、字符的處理、歸一化處理、降維處理等,然后將處理好的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集,最后應(yīng)用機(jī)器學(xué)習(xí)算法對(duì)訓(xùn)練集和測(cè)試集進(jìn)行訓(xùn)練和分類。機(jī)器學(xué)習(xí)技術(shù)不僅可以識(shí)別新型的網(wǎng)絡(luò)流量,且識(shí)別率也比較高。韓曉燕[6]提出了一種改進(jìn)的貝葉斯算法,文章中將每個(gè)流量特征賦予不同的權(quán)重,通過(guò)權(quán)值來(lái)加強(qiáng)檢測(cè)的精度,但是沒(méi)有考慮不同流量特征之間的聯(lián)系。饒鮮等[7]使用SVM作為異常流量檢測(cè)的分類器,實(shí)驗(yàn)證明與其他算法相比,SVM算法的準(zhǔn)確率更高。雖然機(jī)器學(xué)習(xí)的方法在流量檢測(cè)上有很高的準(zhǔn)確性,也能對(duì)新型流量進(jìn)行預(yù)測(cè),但是機(jī)器學(xué)習(xí)的方法過(guò)度依賴人工特征選擇。顯然基于機(jī)器學(xué)習(xí)的方法也無(wú)法滿足當(dāng)前流量快速增長(zhǎng)的需求。

    近年來(lái),深度學(xué)習(xí)在圖像和語(yǔ)音識(shí)別領(lǐng)域也有了長(zhǎng)足的發(fā)展。一些人開(kāi)始將深度學(xué)習(xí)技術(shù)與流量檢測(cè)相結(jié)合。其中,卷積神經(jīng)網(wǎng)絡(luò)在圖像處理方面表現(xiàn)很突出,于是很多人開(kāi)始將網(wǎng)絡(luò)流量轉(zhuǎn)化為二維矩陣形式,然后用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,這個(gè)過(guò)程是一個(gè)完全端到端的過(guò)程,它不需要復(fù)雜的人工提取特征,而且預(yù)測(cè)準(zhǔn)確率更高。深度學(xué)習(xí)從“深度”和“學(xué)習(xí)”兩方面來(lái)進(jìn)行理解,學(xué)習(xí)是指對(duì)提取數(shù)據(jù)從一個(gè)抽象到具體的過(guò)程,深度是指隨著網(wǎng)絡(luò)層數(shù)的加深,模型的學(xué)習(xí)效果會(huì)更好,但是實(shí)際上隨著網(wǎng)絡(luò)層數(shù)的加深,基于深度學(xué)習(xí)的網(wǎng)絡(luò)會(huì)出現(xiàn)梯度爆炸或者梯度消失的問(wèn)題,導(dǎo)致訓(xùn)練精度逐漸下降。為了解決這個(gè)問(wèn)題,文中嘗試將改進(jìn)的殘差網(wǎng)絡(luò)(ResNet)應(yīng)用到流量分類中,實(shí)驗(yàn)?zāi)M了真實(shí)網(wǎng)絡(luò)環(huán)境,選取公開(kāi)數(shù)據(jù)集Moore,將該一維流量數(shù)據(jù)轉(zhuǎn)化為16×16的灰度圖,以準(zhǔn)確度和損失值作為衡量指標(biāo),實(shí)驗(yàn)證明該算法比卷積神經(jīng)網(wǎng)絡(luò)有更佳的表現(xiàn)。

    1 卷積神經(jīng)網(wǎng)絡(luò)在流量識(shí)別中的應(yīng)用

    卷積神經(jīng)網(wǎng)絡(luò)由卷積層、激活函數(shù)層、池化層、全連接層以及softmax層組成。卷積層負(fù)責(zé)提取數(shù)據(jù)的特征,在進(jìn)行卷積操作時(shí)共享一個(gè)相同的卷積核,這樣極大地減少卷積操作的參數(shù),也省去人工提取特征的步驟。激活函數(shù)層主要負(fù)責(zé)將一些冗余信息和很弱的特征剔除,常用的激活函數(shù)有ReLU、Sigmod、tannh等,通過(guò)激活函數(shù),模型會(huì)提取到更加有用的信息。在提取到特征之后,對(duì)這些特征進(jìn)行一系列計(jì)算,但是如果提取到的數(shù)據(jù)特征很大,模型的運(yùn)算量相應(yīng)會(huì)變大,這樣使得模型訓(xùn)練時(shí)間變長(zhǎng)。所以選擇對(duì)不同位置的特征進(jìn)行聚合統(tǒng)計(jì),如計(jì)算一個(gè)區(qū)域的最大值或者平均值作為特征,這種方法稱為池化操作,常用的池化操作有最大池化和平均池化。卷積神經(jīng)網(wǎng)絡(luò)模型具體架構(gòu)如圖1所示。

    圖1 卷積神經(jīng)網(wǎng)絡(luò)模型架構(gòu)

    王偉[8]在對(duì)異常流量分析中就采用一維卷積神經(jīng)網(wǎng)絡(luò),將原始流量經(jīng)過(guò)一系列處理之后,生成28×28的灰度圖,實(shí)驗(yàn)以2分類、10分類和20分類作為分類器,證明了3種分類器的精度都非常高,且查準(zhǔn)率、查全率、F1值都達(dá)到了98%。張小莉等[9]設(shè)計(jì)了離差標(biāo)準(zhǔn)化的卷積神經(jīng)網(wǎng)絡(luò),將Moore數(shù)據(jù)集作為訓(xùn)練集和測(cè)試集,相比傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)精度提升了5%~8%,開(kāi)銷降低了3.2%。隨著網(wǎng)絡(luò)層數(shù)的加深,卷積神經(jīng)網(wǎng)絡(luò)將出現(xiàn)梯度下降或者梯度消失的問(wèn)題。這是由于在網(wǎng)絡(luò)層數(shù)加深之后,在向后傳播時(shí)無(wú)法將梯度更新到前面的網(wǎng)絡(luò)層,導(dǎo)致一些超參數(shù)無(wú)法更新,從而使得測(cè)試的結(jié)果變差。針對(duì)卷積神經(jīng)網(wǎng)絡(luò)梯度消失或梯度爆炸的問(wèn)題,He等[10]提出了一種殘差網(wǎng)絡(luò)。通過(guò)在一個(gè)淺層網(wǎng)絡(luò)基礎(chǔ)上疊加一個(gè)恒等映射層,可以讓網(wǎng)絡(luò)隨著深度的增加而不出現(xiàn)退化。很多研究證明,殘差網(wǎng)絡(luò)不僅可以緩解梯度消失或梯度爆炸的問(wèn)題,而且它也能夠提高訓(xùn)練的精度。

    2 基于改進(jìn)殘差網(wǎng)絡(luò)的流量分類算法

    2.1 殘差網(wǎng)絡(luò)的概念

    殘差網(wǎng)絡(luò)即它允許原始輸入的信息直接通過(guò)恒等映射層傳輸?shù)缴顚泳W(wǎng)絡(luò)中,圖2所示是一個(gè)ResNet學(xué)習(xí)的原理。

    圖2 ResNet原理

    假設(shè)某段網(wǎng)絡(luò)輸入是X,期望的輸出是H(X),此時(shí)殘差網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)為H(X)=F(X)+X。它的基本原理為

    Z[l+1]=W[l+1]a[l]+b[l].

    (1)

    式中:a為l層的激活值;a[l]與權(quán)重W[l+1]相乘加上偏置b[l]得到線性激活值Z[l+1],然后經(jīng)過(guò)非線性激活函數(shù)ReLU函數(shù)激活得到a[l+1],ReLU函數(shù)能夠刪除數(shù)據(jù)中的噪音和冗余信息,加強(qiáng)對(duì)關(guān)鍵信息的提取,一個(gè)殘差塊中包括線性激活和非線性激活,在恒等映射層的作用下,上層的信息能夠傳入到更深的網(wǎng)絡(luò)層中,這也是殘差網(wǎng)絡(luò)能夠防止梯度消失的關(guān)鍵所在。式(2)為正向傳播過(guò)程中非線性激活操作

    a[l+1]=g(Z[l+1]).

    (2)

    再進(jìn)行下一輪的線性激活和非線性激活

    Z[l+2]=W[l+2]a[l+1]+b[l+2],

    (3)

    a[l+2]=g(Z[l+2]+a[l]).

    (4)

    式中:a[l+1]為l+1層的激活值;W[l+2]和b[l+2]為l+2層的權(quán)重和偏置,經(jīng)過(guò)線性激活之后得到Z[l+2],然后再經(jīng)過(guò)非線性激活時(shí)將a[l]與Z[l+2]的和作為變量直接傳入ReLU函數(shù),對(duì)應(yīng)到殘差網(wǎng)絡(luò)就是直接將a[l]拷貝到更深的網(wǎng)絡(luò)中,這樣就能將上一層的網(wǎng)絡(luò)輸出傳輸?shù)礁顚泳W(wǎng)絡(luò),同時(shí)也解決了卷積神經(jīng)網(wǎng)絡(luò)中梯度爆炸或梯度消失的問(wèn)題。這樣的一個(gè)2層網(wǎng)絡(luò)組成一個(gè)block,兩個(gè)或者多個(gè)block組成一個(gè)殘差單元,許多的殘差單元堆疊起來(lái)形成一個(gè)殘差網(wǎng)絡(luò)模型。原始的殘差網(wǎng)絡(luò)模型并沒(méi)有加入批量歸一化層,使得模型容易過(guò)擬合,且收斂速度比較慢,批量歸一化可以有效地加速模型的收斂,能夠很好地防止過(guò)擬合問(wèn)題。在殘差網(wǎng)絡(luò)中隨著殘差單元的不斷疊加,使得網(wǎng)絡(luò)層數(shù)越來(lái)越深,這也會(huì)出現(xiàn)模型訓(xùn)練時(shí)間長(zhǎng)的問(wèn)題。

    2.2 改進(jìn)的殘差網(wǎng)絡(luò)

    為了進(jìn)一步提高殘差網(wǎng)絡(luò)的精確度和收斂時(shí)間,文中提出了一種改進(jìn)的殘差網(wǎng)絡(luò)。圖3為改進(jìn)殘差網(wǎng)絡(luò)的架構(gòu)。

    圖3 改進(jìn)殘差網(wǎng)絡(luò)架構(gòu)

    圖中殘差模塊由直接映射和恒等映射2個(gè)部分組成,多個(gè)殘差塊組成一個(gè)殘差網(wǎng)絡(luò)模型。首先輸入的數(shù)據(jù)經(jīng)過(guò)一個(gè)BN層,對(duì)輸入數(shù)據(jù)做一個(gè)批量歸一化處理,防止過(guò)擬合現(xiàn)象的發(fā)生。文獻(xiàn)[11]把這種改進(jìn)叫做預(yù)激活殘差網(wǎng)絡(luò),將殘差網(wǎng)絡(luò)批量歸一化層和非線性激活函數(shù)放到卷積層之前,文獻(xiàn)[12]也證明了預(yù)激活殘差網(wǎng)絡(luò)比原始?xì)埐罹W(wǎng)絡(luò)有更高的精確度和泛化能力。文中的改進(jìn)思路是將批量歸一化層和非線性激活函數(shù)層移動(dòng)到卷積層之前,形成預(yù)激活殘差網(wǎng)絡(luò)。為了縮短殘差網(wǎng)絡(luò)的訓(xùn)練時(shí)間和減少過(guò)擬合,在恒等映射層中加入BN層和Conv2D層,這樣使得殘差網(wǎng)絡(luò)收斂更快。本次實(shí)驗(yàn)中每128個(gè)數(shù)據(jù)作為一個(gè)批量,經(jīng)過(guò)一個(gè)1×1的卷積運(yùn)算,再經(jīng)過(guò)一個(gè)3×3的卷積運(yùn)算,最后經(jīng)過(guò)一個(gè)1×1的卷積運(yùn)算,每次卷積運(yùn)算之后都會(huì)通過(guò)一個(gè)非線性函數(shù)去除特征圖中的一些冗余信息,加強(qiáng)對(duì)關(guān)鍵信息的提取。與傳統(tǒng)殘差網(wǎng)絡(luò)不同的是,本次實(shí)驗(yàn)在恒等映射層中加入了一個(gè)BN層和一個(gè)卷積層,這樣操作的目的是使X與F(X)的維數(shù)一樣,而且能大大加強(qiáng)對(duì)關(guān)鍵特征的提取。本實(shí)驗(yàn)殘差網(wǎng)絡(luò)為18層,有4個(gè)殘差單元,每一個(gè)殘差單元中都有線性激活與非線性激活操作,首先對(duì)特征數(shù)據(jù)進(jìn)行一個(gè)降維,然后升維,再將F(X)與X進(jìn)行相加,將相加后的結(jié)果進(jìn)行一次非線性整流函數(shù)運(yùn)算,最后進(jìn)入下一個(gè)殘差單元。

    3 實(shí)驗(yàn)過(guò)程

    3.1 數(shù)據(jù)集選擇

    實(shí)驗(yàn)選擇的數(shù)據(jù)集是公開(kāi)的數(shù)據(jù)集Moore。Moore數(shù)據(jù)集是在不同的局域網(wǎng)中抓取的網(wǎng)絡(luò)流量[13],一共包含377 526個(gè)流量樣例,每個(gè)流量中有249個(gè)特征,第249個(gè)特征表示的是流量的所屬類別,其中,每個(gè)數(shù)據(jù)集基本由12種應(yīng)用程序流量組成。

    3.2 數(shù)據(jù)集預(yù)處理

    在將數(shù)據(jù)導(dǎo)入模型訓(xùn)練之前,需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,本次實(shí)驗(yàn)考慮將網(wǎng)絡(luò)流量轉(zhuǎn)化灰度圖來(lái)進(jìn)行處理。對(duì)數(shù)據(jù)的預(yù)處理分為以下步驟:

    1)流量數(shù)據(jù)的數(shù)值化。由于每個(gè)數(shù)據(jù)流量有249個(gè)特征,但有些特征是布爾類型或文本類型,為了將流量數(shù)據(jù)轉(zhuǎn)化為灰度圖,需要對(duì)這些非數(shù)值類型進(jìn)行數(shù)值化。處理過(guò)程為:布爾類型的True表示1,F(xiàn)alse表示0。對(duì)于文本類型,由于文本特征有多個(gè)取值,此次選擇1~N來(lái)表示不同的文本特征。

    2)缺省值處理。每一條數(shù)據(jù)流中都有249個(gè)特征,但由于一些意外情況,使得一些特征并沒(méi)有被采集,從而導(dǎo)致一些流量缺失特征。處理過(guò)程為:對(duì)于布爾類型數(shù)據(jù),用0和1進(jìn)行填充,對(duì)于數(shù)值特征采用平均值來(lái)填充特征數(shù)據(jù)。

    3)流量數(shù)據(jù)歸一化。由于流量數(shù)據(jù)數(shù)值的差異,如有些數(shù)值很大,有些數(shù)值很小,這樣會(huì)大大降低預(yù)測(cè)的精度,為了解決這個(gè)問(wèn)題,對(duì)流量進(jìn)行歸一化處理,將數(shù)值限制在0和1之間。

    4)數(shù)據(jù)圖片化。由于本次實(shí)驗(yàn)要求輸入的形式是圖片格式,故需要將一維流量轉(zhuǎn)化為灰度圖,根據(jù)Moore數(shù)據(jù)集的特征,設(shè)置灰度圖的大小為16×16。將訓(xùn)練集的特征值和測(cè)試集特征值分別轉(zhuǎn)化為16×16的灰度圖。

    3.3 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證文中改進(jìn)模型在網(wǎng)絡(luò)流量分類中有較好的表現(xiàn),將經(jīng)典的CNN算法[14]與改進(jìn)殘差網(wǎng)絡(luò)進(jìn)行對(duì)比,本次實(shí)驗(yàn)評(píng)價(jià)的指標(biāo)是精確度與損失值,由于數(shù)據(jù)量比較大,迭代次數(shù)選擇5。取5輪的精度值和損失值為衡量標(biāo)準(zhǔn),得到如圖4~6所示的結(jié)果。

    圖4 改進(jìn)殘差網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)精度關(guān)系

    圖5 卷積神經(jīng)網(wǎng)絡(luò)與改進(jìn)殘差網(wǎng)絡(luò)損失值比較

    圖6 改進(jìn)殘差網(wǎng)絡(luò)與深度殘差收縮網(wǎng)絡(luò)精確度比較

    由圖4可知卷積神經(jīng)網(wǎng)絡(luò)在5次迭代之后模型精度為98.3%,且隨著網(wǎng)絡(luò)層數(shù)的加深,卷積神經(jīng)網(wǎng)絡(luò)的精度也有較大的波動(dòng),而改進(jìn)的殘差網(wǎng)絡(luò)在第一次迭代之后精度就達(dá)到1,且在后期幾次迭代中都表現(xiàn)穩(wěn)定,精度都保持在1左右。圖5為卷積神經(jīng)網(wǎng)絡(luò)和改進(jìn)殘差網(wǎng)絡(luò)的損失值曲線,從圖中可以發(fā)現(xiàn),改進(jìn)的殘差網(wǎng)絡(luò)損失值一直保持較低的水平,而卷積神經(jīng)網(wǎng)絡(luò)的初始值為0.26,到第5次迭代之后變?yōu)?.05,達(dá)到平穩(wěn)的趨勢(shì)。從精度和損失值2個(gè)指標(biāo)可以看出,改進(jìn)殘差網(wǎng)絡(luò)的性能都優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)。查閱資料知Zhao等[15]提出了深度殘差收縮網(wǎng)絡(luò),通過(guò)在殘差網(wǎng)絡(luò)中加入注意力機(jī)制來(lái)提高模型的精度和減少模型訓(xùn)練時(shí)間,通過(guò)圖6可知,改進(jìn)的殘差網(wǎng)絡(luò)的準(zhǔn)確度與深度殘差收縮網(wǎng)絡(luò)達(dá)到持平,證明了文中設(shè)計(jì)的改進(jìn)殘差網(wǎng)絡(luò)相比于卷積神經(jīng)網(wǎng)絡(luò)在對(duì)流量分類上有更好的表現(xiàn),達(dá)到了預(yù)期的效果。

    4 結(jié)束語(yǔ)

    隨著現(xiàn)代社會(huì)的快速發(fā)展,網(wǎng)絡(luò)流量出現(xiàn)井噴式增長(zhǎng),這給網(wǎng)絡(luò)安全和網(wǎng)絡(luò)管理帶來(lái)了新的挑戰(zhàn),對(duì)網(wǎng)絡(luò)流量進(jìn)行分類,提升網(wǎng)絡(luò)資源利用率或者識(shí)別網(wǎng)絡(luò)中的一些惡意流量成為當(dāng)下一個(gè)研究熱點(diǎn)。文中設(shè)計(jì)了一種改進(jìn)的殘差網(wǎng)絡(luò),在傳統(tǒng)殘差網(wǎng)絡(luò)的恒等映射層中引入Conv2D層和BN層,并模擬了卷積神經(jīng)網(wǎng)絡(luò)和改進(jìn)殘差網(wǎng)絡(luò)在公開(kāi)數(shù)據(jù)集中的表現(xiàn),以預(yù)測(cè)精度和損失值為衡量指標(biāo),最終實(shí)驗(yàn)證明了改進(jìn)殘差網(wǎng)絡(luò)有更好的表現(xiàn)。如何通過(guò)改進(jìn)殘差網(wǎng)絡(luò)的架構(gòu)來(lái)彌補(bǔ)數(shù)據(jù)流量不平衡導(dǎo)致的精度下降和誤差仍是今后工作的重點(diǎn)。

    猜你喜歡
    深度特征檢測(cè)
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    深度理解一元一次方程
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    深度觀察
    深度觀察
    深度觀察
    抓住特征巧觀察
    久久精品夜色国产| .国产精品久久| 2022亚洲国产成人精品| 波多野结衣高清作品| 亚洲精品影视一区二区三区av| 久久精品国产亚洲网站| 成人欧美大片| 我的老师免费观看完整版| 免费电影在线观看免费观看| 两个人视频免费观看高清| 可以在线观看的亚洲视频| 真实男女啪啪啪动态图| 人人妻人人澡人人爽人人夜夜 | 久久久久久久久久久丰满| 色5月婷婷丁香| 亚洲av欧美aⅴ国产| 日韩三级伦理在线观看| 国产精品熟女久久久久浪| 日日啪夜夜爽| 国产欧美亚洲国产| 黄片无遮挡物在线观看| 视频中文字幕在线观看| 国产69精品久久久久777片| 国产av一区二区精品久久| 人妻夜夜爽99麻豆av| 各种免费的搞黄视频| 亚洲欧美日韩卡通动漫| 亚洲国产成人一精品久久久| 不卡视频在线观看欧美| 国产伦精品一区二区三区视频9| 精品少妇久久久久久888优播| 人妻少妇偷人精品九色| 国产精品国产av在线观看| 91久久精品电影网| 日韩强制内射视频| 少妇熟女欧美另类| 国产探花极品一区二区| 亚洲美女视频黄频| 午夜老司机福利剧场| 老熟女久久久| 亚洲人成77777在线视频| 成人国产麻豆网| 啦啦啦视频在线资源免费观看| 美女视频免费永久观看网站| 青春草视频在线免费观看| 久久精品熟女亚洲av麻豆精品| 中文字幕久久专区| h视频一区二区三区| 国产精品99久久久久久久久| 免费看光身美女| 亚洲中文av在线| 国产免费福利视频在线观看| 国产一区二区三区av在线| 日韩伦理黄色片| 久久精品国产亚洲av涩爱| 美女脱内裤让男人舔精品视频| 一级毛片黄色毛片免费观看视频| 在线观看免费日韩欧美大片 | 一级毛片我不卡| 最近的中文字幕免费完整| 日本欧美国产在线视频| 最近最新中文字幕免费大全7| 99九九线精品视频在线观看视频| 一区二区三区免费毛片| 晚上一个人看的免费电影| 久久精品熟女亚洲av麻豆精品| 少妇被粗大的猛进出69影院 | 国精品久久久久久国模美| 老司机影院成人| 99热这里只有精品一区| 美女中出高潮动态图| 亚洲性久久影院| 亚洲精品视频女| 国产极品粉嫩免费观看在线 | 少妇人妻精品综合一区二区| 久久久久久久久久久丰满| 欧美老熟妇乱子伦牲交| 国产熟女欧美一区二区| 国产黄频视频在线观看| 国产精品人妻久久久影院| 亚洲色图综合在线观看| 下体分泌物呈黄色| 久久精品国产亚洲av天美| 午夜免费男女啪啪视频观看| 久久久久久久久久人人人人人人| 男女免费视频国产| 亚洲av二区三区四区| 九草在线视频观看| 国产男女超爽视频在线观看| 日韩人妻高清精品专区| 日本色播在线视频| 各种免费的搞黄视频| 9色porny在线观看| 午夜福利影视在线免费观看| 国产精品一二三区在线看| 国产在线一区二区三区精| 国产成人午夜福利电影在线观看| 欧美日本中文国产一区发布| 夜夜看夜夜爽夜夜摸| av免费观看日本| 一级毛片电影观看| 91aial.com中文字幕在线观看| 亚洲成人av在线免费| 91午夜精品亚洲一区二区三区| 亚洲国产精品专区欧美| 天美传媒精品一区二区| 欧美精品亚洲一区二区| 中文字幕亚洲精品专区| av视频免费观看在线观看| 狠狠婷婷综合久久久久久88av| 26uuu在线亚洲综合色| 日本爱情动作片www.在线观看| 麻豆乱淫一区二区| 亚洲精品久久成人aⅴ小说 | 亚洲国产av新网站| 亚洲情色 制服丝袜| 国产在视频线精品| 精品人妻一区二区三区麻豆| 中文字幕免费在线视频6| 少妇的逼水好多| 久久人妻熟女aⅴ| 午夜av观看不卡| 亚洲欧洲精品一区二区精品久久久 | 少妇被粗大的猛进出69影院 | 美女中出高潮动态图| 少妇高潮的动态图| 国产av精品麻豆| 国产精品国产三级专区第一集| 99热网站在线观看| 日韩强制内射视频| 国语对白做爰xxxⅹ性视频网站| 欧美丝袜亚洲另类| 国产在线一区二区三区精| 午夜免费观看性视频| 精品国产露脸久久av麻豆| 少妇高潮的动态图| 五月伊人婷婷丁香| 黄片播放在线免费| 自线自在国产av| 狠狠婷婷综合久久久久久88av| 国产精品三级大全| 三上悠亚av全集在线观看| 久久国产精品大桥未久av| 各种免费的搞黄视频| 亚洲人与动物交配视频| 免费av不卡在线播放| xxx大片免费视频| 少妇人妻精品综合一区二区| 黄色一级大片看看| 成人国语在线视频| 美女视频免费永久观看网站| 久久久久久久久久人人人人人人| 一级二级三级毛片免费看| 中文字幕免费在线视频6| 中文字幕人妻丝袜制服| 人人妻人人添人人爽欧美一区卜| 免费黄网站久久成人精品| 免费观看在线日韩| 欧美性感艳星| 伊人久久国产一区二区| 国产午夜精品久久久久久一区二区三区| 国产免费视频播放在线视频| 秋霞伦理黄片| 少妇被粗大猛烈的视频| 大香蕉97超碰在线| www.av在线官网国产| 18禁裸乳无遮挡动漫免费视频| 欧美精品亚洲一区二区| 99国产综合亚洲精品| 国国产精品蜜臀av免费| 极品少妇高潮喷水抽搐| av播播在线观看一区| 热re99久久国产66热| 免费人成在线观看视频色| 成人手机av| 王馨瑶露胸无遮挡在线观看| 午夜福利,免费看| 亚洲伊人久久精品综合| 99热这里只有是精品在线观看| av有码第一页| 大片电影免费在线观看免费| 99热这里只有精品一区| 亚洲精品亚洲一区二区| 国产精品久久久久久av不卡| 蜜桃在线观看..| 搡女人真爽免费视频火全软件| 曰老女人黄片| 国产欧美亚洲国产| 久久ye,这里只有精品| 亚洲人成网站在线播| 在线看a的网站| 久久久久久久精品精品| 午夜免费观看性视频| 欧美亚洲 丝袜 人妻 在线| 黑人欧美特级aaaaaa片| av免费观看日本| 免费不卡的大黄色大毛片视频在线观看| 美女福利国产在线| 久久久久久人妻| 一区二区日韩欧美中文字幕 | 精品少妇内射三级| 熟女人妻精品中文字幕| 中文字幕人妻熟人妻熟丝袜美| 国产免费现黄频在线看| 国产一区二区三区av在线| 久久久精品94久久精品| 国产精品久久久久久精品电影小说| 老熟女久久久| 国产精品一区二区在线观看99| 欧美bdsm另类| 久久99热这里只频精品6学生| 久久人人爽人人片av| 在线观看免费视频网站a站| 人成视频在线观看免费观看| 五月玫瑰六月丁香| 亚洲不卡免费看| 欧美精品一区二区大全| 能在线免费看毛片的网站| 中国美白少妇内射xxxbb| 色婷婷av一区二区三区视频| 特大巨黑吊av在线直播| 亚洲精品,欧美精品| 一本久久精品| 国产一区二区三区综合在线观看 | 成年人午夜在线观看视频| 精品人妻熟女毛片av久久网站| 成人国产av品久久久| 日产精品乱码卡一卡2卡三| 久久午夜福利片| 午夜免费男女啪啪视频观看| 国产成人精品婷婷| 精品久久久久久久久av| 亚洲精品乱码久久久v下载方式| 亚洲av中文av极速乱| 性色avwww在线观看| 午夜视频国产福利| 精品国产乱码久久久久久小说| 熟女人妻精品中文字幕| 中文字幕人妻丝袜制服| 精品卡一卡二卡四卡免费| 18+在线观看网站| 久久久久久久久大av| 日本黄色片子视频| 天天操日日干夜夜撸| 久久国产亚洲av麻豆专区| 人妻 亚洲 视频| 九九久久精品国产亚洲av麻豆| 黄色视频在线播放观看不卡| 一级毛片黄色毛片免费观看视频| 久久 成人 亚洲| 日韩在线高清观看一区二区三区| 亚洲精品色激情综合| 婷婷成人精品国产| 在线观看免费日韩欧美大片 | 亚洲一区二区三区欧美精品| 久久国内精品自在自线图片| 亚洲经典国产精华液单| 久久97久久精品| 精品视频人人做人人爽| 成人国语在线视频| 另类精品久久| 我的老师免费观看完整版| 免费观看无遮挡的男女| 在线播放无遮挡| 一本—道久久a久久精品蜜桃钙片| 欧美成人精品欧美一级黄| 久久久久久久久久久久大奶| 国内精品宾馆在线| 一个人看视频在线观看www免费| 啦啦啦在线观看免费高清www| 狠狠精品人妻久久久久久综合| 亚洲激情五月婷婷啪啪| 丝袜脚勾引网站| 人人妻人人澡人人爽人人夜夜| 久久综合国产亚洲精品| 99久久精品一区二区三区| 日韩制服骚丝袜av| 亚洲精品乱码久久久v下载方式| 国产精品国产三级专区第一集| 国语对白做爰xxxⅹ性视频网站| 日韩,欧美,国产一区二区三区| 久久久国产一区二区| 久久精品国产鲁丝片午夜精品| 免费高清在线观看视频在线观看| 简卡轻食公司| 天堂中文最新版在线下载| 久久 成人 亚洲| 午夜福利,免费看| 少妇的逼好多水| 亚洲国产精品国产精品| 久久久久精品久久久久真实原创| 国产一级毛片在线| 免费人妻精品一区二区三区视频| 99热6这里只有精品| 全区人妻精品视频| 精品少妇内射三级| 国产免费现黄频在线看| 久久人人爽av亚洲精品天堂| 午夜精品国产一区二区电影| 熟女电影av网| 免费少妇av软件| 最近中文字幕2019免费版| 国产亚洲最大av| 一级黄片播放器| 伊人久久精品亚洲午夜| 日本午夜av视频| 国语对白做爰xxxⅹ性视频网站| 国产乱人偷精品视频| 国产av码专区亚洲av| 大片电影免费在线观看免费| 狂野欧美白嫩少妇大欣赏| 少妇的逼水好多| 精品人妻偷拍中文字幕| 久久影院123| 国产亚洲av片在线观看秒播厂| 欧美精品一区二区免费开放| 日本黄色片子视频| 亚洲精品,欧美精品| 五月天丁香电影| 人体艺术视频欧美日本| 毛片一级片免费看久久久久| 久久鲁丝午夜福利片| 亚洲精品国产色婷婷电影| 日本欧美视频一区| 国产成人精品婷婷| 午夜福利视频在线观看免费| 国产永久视频网站| 一本色道久久久久久精品综合| 制服诱惑二区| 亚洲伊人久久精品综合| 中文字幕精品免费在线观看视频 | 婷婷色av中文字幕| 亚洲中文av在线| 日日撸夜夜添| 国产乱来视频区| 伦精品一区二区三区| 搡女人真爽免费视频火全软件| 一本一本综合久久| 在线观看免费视频网站a站| 只有这里有精品99| 日日爽夜夜爽网站| 亚洲av成人精品一区久久| 久久99精品国语久久久| 国精品久久久久久国模美| 精品久久久噜噜| 日韩伦理黄色片| 香蕉精品网在线| 只有这里有精品99| 成人二区视频| 国产 一区精品| 天堂俺去俺来也www色官网| 一级,二级,三级黄色视频| 美女国产高潮福利片在线看| 在线看a的网站| 亚洲av免费高清在线观看| 人体艺术视频欧美日本| 日韩免费高清中文字幕av| 黑丝袜美女国产一区| 中文字幕av电影在线播放| 欧美+日韩+精品| 丰满迷人的少妇在线观看| 日韩成人伦理影院| 国产精品女同一区二区软件| 尾随美女入室| 久久久久久久精品精品| 亚洲精品美女久久av网站| 国产成人av激情在线播放 | 国产亚洲午夜精品一区二区久久| 国产淫语在线视频| 97在线视频观看| 精品一品国产午夜福利视频| 有码 亚洲区| 久久精品熟女亚洲av麻豆精品| 少妇的逼好多水| 青春草视频在线免费观看| 久久人人爽人人爽人人片va| 日韩视频在线欧美| 又粗又硬又长又爽又黄的视频| 男人添女人高潮全过程视频| 国产国拍精品亚洲av在线观看| 欧美一级a爱片免费观看看| 啦啦啦在线观看免费高清www| 日本91视频免费播放| 搡女人真爽免费视频火全软件| 成年av动漫网址| 国产欧美日韩综合在线一区二区| 99热这里只有精品一区| 菩萨蛮人人尽说江南好唐韦庄| 极品少妇高潮喷水抽搐| 亚洲精品色激情综合| 男人添女人高潮全过程视频| 国国产精品蜜臀av免费| 97超碰精品成人国产| 制服人妻中文乱码| 亚洲在久久综合| 国产精品一区二区在线不卡| 99国产精品免费福利视频| 日本爱情动作片www.在线观看| 一个人看视频在线观看www免费| 精品久久国产蜜桃| 日韩欧美一区视频在线观看| av一本久久久久| 熟女av电影| 久久影院123| 亚洲久久久国产精品| 精品少妇久久久久久888优播| 久久鲁丝午夜福利片| 亚洲,一卡二卡三卡| 亚洲成色77777| 嫩草影院入口| 熟女电影av网| 国产精品久久久久成人av| 伦理电影大哥的女人| 女人精品久久久久毛片| 我的女老师完整版在线观看| 国产黄色视频一区二区在线观看| 亚洲中文av在线| 久久久久人妻精品一区果冻| 天堂俺去俺来也www色官网| 大陆偷拍与自拍| 成人影院久久| 97在线人人人人妻| 高清黄色对白视频在线免费看| 色视频在线一区二区三区| 夜夜爽夜夜爽视频| 国产国语露脸激情在线看| 国产乱来视频区| 黄片无遮挡物在线观看| 久久久久久久国产电影| 我的女老师完整版在线观看| 美女中出高潮动态图| 欧美日韩视频精品一区| 老司机亚洲免费影院| 亚洲在久久综合| 多毛熟女@视频| 免费少妇av软件| 2018国产大陆天天弄谢| 欧美激情 高清一区二区三区| 人人妻人人添人人爽欧美一区卜| videosex国产| 日本欧美国产在线视频| 亚洲精品乱码久久久久久按摩| 妹子高潮喷水视频| 国产一区二区三区av在线| 女性被躁到高潮视频| 亚洲人成网站在线观看播放| 久久毛片免费看一区二区三区| 婷婷色麻豆天堂久久| 女性被躁到高潮视频| 国产成人一区二区在线| 高清av免费在线| 免费少妇av软件| 99热国产这里只有精品6| 国产一级毛片在线| 桃花免费在线播放| 秋霞伦理黄片| 天美传媒精品一区二区| 欧美日韩综合久久久久久| 99久久精品国产国产毛片| 美女大奶头黄色视频| 丰满饥渴人妻一区二区三| 日韩中字成人| 久久久国产欧美日韩av| 男女高潮啪啪啪动态图| 国产精品一区二区三区四区免费观看| 中文字幕精品免费在线观看视频 | 亚洲美女视频黄频| 夜夜爽夜夜爽视频| 综合色丁香网| 大陆偷拍与自拍| 五月天丁香电影| 在线观看免费日韩欧美大片 | 国产精品人妻久久久影院| 成人午夜精彩视频在线观看| 最近中文字幕高清免费大全6| 老司机影院毛片| 男人爽女人下面视频在线观看| 亚洲av国产av综合av卡| 中文字幕亚洲精品专区| 午夜激情久久久久久久| 亚洲性久久影院| videossex国产| 成人毛片60女人毛片免费| 日本黄色片子视频| 国产一区二区在线观看av| 一级毛片aaaaaa免费看小| 9色porny在线观看| 免费高清在线观看日韩| 51国产日韩欧美| av免费观看日本| 久久久久久久亚洲中文字幕| 搡老乐熟女国产| 亚洲经典国产精华液单| 曰老女人黄片| 少妇被粗大猛烈的视频| 国产成人精品一,二区| 一边亲一边摸免费视频| 精品久久久噜噜| 一级片'在线观看视频| 亚洲精品一区蜜桃| 热99久久久久精品小说推荐| 26uuu在线亚洲综合色| 久久久久国产精品人妻一区二区| 两个人的视频大全免费| 我要看黄色一级片免费的| 久久久久久久久久久免费av| 啦啦啦视频在线资源免费观看| 99国产精品免费福利视频| 人人澡人人妻人| 精品人妻熟女毛片av久久网站| 久久影院123| 亚洲精品一二三| 色哟哟·www| 国产成人精品一,二区| 啦啦啦在线观看免费高清www| 亚洲av成人精品一区久久| xxx大片免费视频| 精品久久久噜噜| av又黄又爽大尺度在线免费看| 亚洲三级黄色毛片| 在线观看三级黄色| 日韩欧美一区视频在线观看| 午夜久久久在线观看| 精品人妻在线不人妻| 国产男女内射视频| 亚洲第一av免费看| 精品久久蜜臀av无| 久久狼人影院| 色哟哟·www| 免费看光身美女| 色婷婷久久久亚洲欧美| 午夜av观看不卡| 亚洲第一av免费看| 精品少妇久久久久久888优播| 寂寞人妻少妇视频99o| 超碰97精品在线观看| 国产精品人妻久久久影院| 麻豆成人av视频| 欧美 亚洲 国产 日韩一| 国产精品成人在线| 精品久久久噜噜| 观看美女的网站| 欧美xxⅹ黑人| 丝袜在线中文字幕| 少妇的逼好多水| 黄色配什么色好看| 亚洲国产精品成人久久小说| 午夜av观看不卡| 亚洲三级黄色毛片| 亚洲,一卡二卡三卡| 母亲3免费完整高清在线观看 | 黑人猛操日本美女一级片| 女人久久www免费人成看片| 人妻少妇偷人精品九色| 最新中文字幕久久久久| 一区二区日韩欧美中文字幕 | 亚洲欧美中文字幕日韩二区| 少妇被粗大猛烈的视频| 久久婷婷青草| 王馨瑶露胸无遮挡在线观看| 亚洲精品,欧美精品| 午夜福利视频在线观看免费| 校园人妻丝袜中文字幕| 免费观看av网站的网址| 久久久久久久大尺度免费视频| 五月玫瑰六月丁香| 国产在线免费精品| 国产精品99久久99久久久不卡 | 午夜视频国产福利| 美女内射精品一级片tv| freevideosex欧美| 精品亚洲成国产av| av国产精品久久久久影院| 天天操日日干夜夜撸| 国产爽快片一区二区三区| 大片电影免费在线观看免费| 国产免费现黄频在线看| 一边摸一边做爽爽视频免费| 久久久久视频综合| 日本黄色日本黄色录像| 51国产日韩欧美| 成人国产av品久久久| 欧美成人精品欧美一级黄| 日韩大片免费观看网站| 伊人久久精品亚洲午夜| 欧美精品亚洲一区二区| 七月丁香在线播放| 人人妻人人爽人人添夜夜欢视频| 亚洲国产色片| 一区二区av电影网| 亚洲,欧美,日韩| 日韩亚洲欧美综合| 26uuu在线亚洲综合色| 欧美变态另类bdsm刘玥| 成人无遮挡网站| 成人手机av| 青春草视频在线免费观看| 亚洲婷婷狠狠爱综合网| 免费人妻精品一区二区三区视频| 国产免费又黄又爽又色| 亚洲精品久久午夜乱码| 亚洲精品自拍成人| 国产日韩欧美亚洲二区| 午夜免费鲁丝| 日韩av在线免费看完整版不卡| 亚洲精品乱码久久久v下载方式| 9色porny在线观看| 午夜福利在线观看免费完整高清在| 中文字幕亚洲精品专区| 制服人妻中文乱码| 熟女电影av网| 狠狠精品人妻久久久久久综合| √禁漫天堂资源中文www| 日本免费在线观看一区| 性色av一级|