• <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 ?

    一種可解釋的自由文本擊鍵事件序列分類模型

    2023-03-01 08:19:58韓繼紅張玉臣李福林
    電子與信息學(xué)報(bào) 2023年2期
    關(guān)鍵詞:被試者按鍵向量

    張 暢 韓繼紅 張玉臣 李福林

    (信息工程大學(xué) 鄭州 450000)

    1 引言

    隨著人工智能技術(shù)的飛速發(fā)展,人臉等生物特征在身份認(rèn)證和識(shí)別領(lǐng)域得到廣泛的應(yīng)用。研究表明,人敲擊鍵盤的“節(jié)奏”可以作為身份認(rèn)證和識(shí)別的行為特征[1]。通常把按鍵事件發(fā)生的時(shí)間間隔作為擊鍵行為特征,一般包括從前一按鍵釋放到后繼按鍵按下的時(shí)長(zhǎng)UD time、從前一按鍵按下到后繼按鍵按下的時(shí)長(zhǎng)DD time(或稱digraph)、從前一按鍵釋放到后繼按鍵釋放的時(shí)長(zhǎng)UU time、按鍵從按下到釋放的時(shí)長(zhǎng)Hold time、n(n≧2)個(gè)按鍵事件從第1個(gè)按鍵按下到第n個(gè)按鍵按下的時(shí)長(zhǎng)n-graph等。擊鍵行為研究一般分為固定文本和自由文本兩大類,如果擊鍵事件序列對(duì)應(yīng)文本內(nèi)容和長(zhǎng)度都相同,屬于固定文本研究;如果內(nèi)容和長(zhǎng)度不確定,則屬于自由文本研究。

    人們研究擊鍵行為已有40多年。期間,固定文本研究文獻(xiàn)較多,取得了很好的分類效果,而自由文本研究的文獻(xiàn)偏少,且分類效果一直不佳[2]。近期,Acien等人[2]用孿生網(wǎng)絡(luò)模型大幅提升了自由文本擊鍵事件序列的分類效果。本文在Acien的工作的基礎(chǔ)上展開深入研究,探索分類效果好且具有可解釋性的模型。

    自由文本擊鍵事件序列因?yàn)殒I值不確定、長(zhǎng)度不一,所以無法得到像固定文本一樣“整齊”的特征向量。常見的自由文本擊鍵事件序列特征有:(1)以按鍵組合的n-graph均值為特征[3–6];(2)以基于n-graph均值的按鍵或按鍵組合的排序?yàn)樘卣鱗7,8];(3)以分組組合的用時(shí)均值為特征,例如把鍵盤劃分成左手區(qū)、右手區(qū)和空格3組[9,10],以這3組按鍵事件的時(shí)間間隔為特征,或者按元音、輔音、標(biāo)點(diǎn)、功能鍵等劃分按鍵[11],以元、輔音等分組按鍵事件的時(shí)間間隔為特征。上述方法中,文獻(xiàn)[5]和文獻(xiàn)[6]在Clarkson II自由文本數(shù)據(jù)集獲得了15.3%和7.8%的等錯(cuò)誤率(Equal Error Rate, EER),但得到這樣的結(jié)果需要至少200個(gè)digraph的測(cè)試樣本和10000個(gè)digraph 的訓(xùn)練樣本,因此不適用于短自由文本擊鍵事件序列的分類。因?yàn)樽杂晌谋緭翩I事件序列的特征不“整齊”,很長(zhǎng)一段時(shí)期,自由文本擊鍵事件序列的分類效果遠(yuǎn)不及固定文本。

    近期該問題有了轉(zhuǎn)機(jī):生成模型POHMM[12]把擊鍵事件序列看作被試者受“積極”、“消極”兩種隱狀態(tài)的影響對(duì)鍵入文本的響應(yīng),如果有覆蓋全面的訓(xùn)練集,理論上可以消除文本內(nèi)容差異對(duì)分類的影響,但采集這樣全的樣本數(shù)據(jù)并不現(xiàn)實(shí)。蘆效峰等人[13]嘗試用卷積神經(jīng)網(wǎng)絡(luò)+循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)模型做自由文本擊鍵事件序列的分類,在Buffalo 數(shù)據(jù)集中使用相同鍵盤的75個(gè)被試者的數(shù)據(jù)上,取得了3.04%的EER。作者聲稱其研究不足之處在于使用的數(shù)據(jù)量小。另外,這種方法解決的是閉集識(shí)別問題。Acien等人[2]用Aalto University自由文本數(shù)據(jù)集[14]的6萬多被試者的數(shù)據(jù)訓(xùn)練基于長(zhǎng)短時(shí)記憶網(wǎng)(Long-Short Term Memory,LSTM)的孿生神經(jīng)網(wǎng)模型TypeNet,在剩余10多萬被試者的數(shù)據(jù)上測(cè)試,獲得了2.2%的EER,分類效果明顯優(yōu)于POHMM。Morales等人[15]在Acien工作的基礎(chǔ)上,提出用SetMargin Loss訓(xùn)練TypeNet模型。和Acien采用的Contrastive loss和Triplet loss不同,SetMargin Loss使得同類特征序列集圍成的面積小,而不同類特征序列的間距離大。該做法使TypeNet模型能夠更好地適應(yīng)類內(nèi)變化,取得了1.85%的EER。

    2 研究思路

    Acien和Morales的實(shí)驗(yàn)結(jié)果驗(yàn)證了TypeNet網(wǎng)絡(luò)結(jié)構(gòu)的有效性,即用雙層LSTM將擊鍵事件序列對(duì)應(yīng)的特征序列映射到表征空間(embedding space),基于孿生網(wǎng)絡(luò)結(jié)構(gòu)采用對(duì)比學(xué)習(xí)方法,使得在表征空間上,屬于同一人的特征序列的歐氏距離小,不同人的特征序列的歐氏距離大。TypeNet的表征空間是128維,使用歐氏距離度量表征向量(embedding)的相似度,所以表征空間的維度缺乏可解釋性。本文用多層感知機(jī)替換TypeNet模型中的對(duì)比損失函數(shù),來度量表征向量的相似度。具體做法是:把孿生網(wǎng)絡(luò)模型的分支輸出的表征向量差的絕對(duì)值作為多層感知機(jī)的輸入,多層感知機(jī)輸出作為孿生網(wǎng)絡(luò)模型輸入特征序列對(duì)的相似度量值,激活函數(shù)為sigmoid,采用交叉熵?fù)p失函數(shù)訓(xùn)練模型。為了解釋表征向量,把多層感知機(jī)的輸入X(即表征向量)的元素xi作為自變量,輸出y作為因變量,用多元多項(xiàng)式模擬多層感知機(jī)的輸入X和輸出y之間的關(guān)系y=f(X)=f(x1,x2,...,xN)。根據(jù)多元多項(xiàng)式f分析X各維度與相似度量的關(guān)系。

    3 孿生網(wǎng)絡(luò)模型

    TypeNet模型[2]的分支的輸入為長(zhǎng)度為M的特征序列。特征序列的元素是一個(gè)5元組:<按鍵值、按鍵的Hold time、本按鍵與后一按鍵的UD time、本按鍵與后一按鍵的DD time、本按鍵與后一按鍵按鍵的U U t i m e>。若特征序列長(zhǎng)度N>M,則截?cái)鄟G棄超出長(zhǎng)度M的部分;如果N

    本文最初嘗試用和TypeNet模型一樣的分支結(jié)構(gòu),即兩層L S T M,得到的訓(xùn)練效果遠(yuǎn)不及TypeNet模型,之后轉(zhuǎn)而用單層LSTM網(wǎng)絡(luò)作分支結(jié)構(gòu),得到測(cè)試準(zhǔn)確率超出了用contrastive loss訓(xùn)練的TypeNet模型近5個(gè)點(diǎn)。下面介紹改進(jìn)的模型TypeNet II。

    3.1 TypeNet II模型

    單層LSTM的輸出是128維,若不降維處理,分支輸出的表征向量也是128維。為了降低模型的復(fù)雜度,在確保分類準(zhǔn)確率的前提下,應(yīng)盡量降低表征向量的維度(分支的Dense層的作用類似于bottleneck layer),所以本文也嘗試了一些比128小的維度。實(shí)驗(yàn)中,表征向量維度取值范圍為{128, 64,32, 3, 2}。

    3.2 決策層的多元多項(xiàng)式回歸

    為了弄清楚比較層各維度與相似度量的關(guān)系,本文用多元多項(xiàng)式模擬決策層(原理如圖2所示)。多元多項(xiàng)式的自變量對(duì)應(yīng)于比較層的各維度,因變量是決策層的輸出,亦模型的輸出。將大量特征序列對(duì)輸入訓(xùn)練好的模型產(chǎn)生因變量和自變量數(shù)據(jù)集,在此數(shù)據(jù)集上用嶺回歸學(xué)習(xí)多元多項(xiàng)式f(X)=f(x1,x2,...,xN),根據(jù)多項(xiàng)式分析比較層對(duì)決策層輸出的影響。

    圖1 TypeNet II的結(jié)構(gòu)

    圖2 決策層的多元多項(xiàng)式回歸模型

    4 實(shí)驗(yàn)及結(jié)果

    和Morales一樣,本文用Aalto University自由文本數(shù)據(jù)集的68000個(gè)被試者的數(shù)據(jù)訓(xùn)練TypeNet II,在剩余數(shù)據(jù)中選5000個(gè)被試者的數(shù)據(jù)測(cè)試分類效果。從Acien和Morales的文獻(xiàn)中無法得知這些數(shù)據(jù)來自哪些具體被試者。本文隨機(jī)抽取符合上述數(shù)量的數(shù)據(jù)作為訓(xùn)練和測(cè)試數(shù)據(jù)。實(shí)驗(yàn)分兩部分:實(shí)驗(yàn)1訓(xùn)練TypeNet II模型,并和Morales提出的模型的分類效果進(jìn)行比較;實(shí)驗(yàn)2用多元多項(xiàng)式模擬TypeNet II模型的決策層,用參與訓(xùn)練TypeNet II模型的10000個(gè)被試者的數(shù)據(jù)學(xué)習(xí)得到多元多項(xiàng)式f1,用未參與模型訓(xùn)練的10000個(gè)被試者的數(shù)據(jù)學(xué)習(xí)得到多元多項(xiàng)式f2, 比較f1和f2的系數(shù)以驗(yàn)證多元多項(xiàng)式回歸的泛化性,最后結(jié)合多元多項(xiàng)式分析比較層與決策層輸出的關(guān)系。實(shí)驗(yàn)代碼的地址為:https://github.com/zcmail/TypeNet_II。

    4.1 實(shí)驗(yàn)1

    圖3展示了TypeNet II模型訓(xùn)練過程中的訓(xùn)練(train)和驗(yàn)證(val)準(zhǔn)確率。模型輸出小于0.5判定輸入特征序列對(duì)屬于同一人,反之,不屬于同一人。圖4反映表征向量維度為128和64時(shí)模型的準(zhǔn)確率高,維度為3和2時(shí)準(zhǔn)確率低,維度為32時(shí)準(zhǔn)確率最低。表2展示經(jīng)過100個(gè)epoch的訓(xùn)練,采用不同表征向量維度的模型取得的最佳驗(yàn)證準(zhǔn)確率。根據(jù)圖4,本文選擇測(cè)試了表征向量為128和64維的模型的分類效果。測(cè)試時(shí),根據(jù)每個(gè)被試者的特征模板確定分類閾值(不一定是0.5)。表3展示TypeNet II模型和TypeNet模型的分類效果??梢钥闯?,表征向量為128維時(shí),TypeNet II的分類效果超過了目前已知最好的方法(即Morales的方法[1])。

    表1 TypeNet II模型的主要超參數(shù)

    表2 TypeNet II模型不同表征向量維度對(duì)應(yīng)的最佳訓(xùn)練驗(yàn)證準(zhǔn)確率

    表3 模型的分類效果

    圖3 TypeNet II模型的訓(xùn)練和驗(yàn)證準(zhǔn)確率

    圖4 分類效果隨負(fù)樣本類數(shù)量的變化情況

    4.2 實(shí)驗(yàn)2

    表4 兩個(gè)表征向量維度下P tr上 多元多項(xiàng)式f 不同自由度對(duì)應(yīng)的R2

    表5 兩個(gè)表征向量維度下P tr上多元2階項(xiàng)式嶺回歸結(jié)果

    為了驗(yàn)證在Ptr上 訓(xùn)練得到的多元二項(xiàng)式f的泛化能力,本文在Str以外的10000個(gè)被試者的特征序列對(duì)數(shù)據(jù)集Pte上做了同樣的工作,得到的多元2階多項(xiàng)式回歸結(jié)果如表8—表10所示。綜合表6、表7、表9、表10可以得:在Pte上,表征向量為128維的模型的決策層的多元二項(xiàng)式回歸系數(shù)大于0.5的有16項(xiàng)(表9),這16項(xiàng)和Ptr上學(xué)習(xí)得到多元二項(xiàng)式(表6)基本一致。由于多元二項(xiàng)式的項(xiàng)多,逐個(gè)分析難度大,所以本文把比較層的維度分為兩類:把表6的16項(xiàng)對(duì)應(yīng)的維度作主要維度,剩余的為其他維度。同樣地,表征向量為64維的模型的決策層的多元二項(xiàng)式回歸系數(shù)絕對(duì)值大于0.4的有7項(xiàng),除了二次項(xiàng)v18×v19外,這6項(xiàng)和Ptr上學(xué)習(xí)得到回歸式(表7)基本一致,本文把這6項(xiàng)對(duì)應(yīng)的維度作為主要維度。

    表6 P tr上表征向量為128維,多元2階多項(xiàng)式系數(shù)絕對(duì)值超過0.5的項(xiàng)

    表7 P tr上表征向量為64維,多元2階多項(xiàng)式系數(shù)絕對(duì)值超過0.4的項(xiàng)

    表8 兩個(gè)表征向量維度下P te上多項(xiàng)式嶺回歸結(jié)果

    表9 P te上表征向量為128維,多元2階多項(xiàng)式系數(shù)絕對(duì)值超過0.5的項(xiàng)

    表10 P te上表征向量為64維,多元2階多項(xiàng)式系數(shù)絕對(duì)值超過0.4的項(xiàng)

    這里比較分析比較層的主要維度和其他維度對(duì)決策層輸出的影響。圖5和圖6是將Str之外10000個(gè)被試者的特征序列對(duì)分別輸入表征向量維度為128和64的TypeNet II模型得到比較層的數(shù)值的小提琴圖。圖中第1、第3、第5列分別屬于同一人的特征序列對(duì)得到的其他維度、主要維度以及所有維度取值的均值,第2、4、6列分別對(duì)應(yīng)不同人的特征序列對(duì)得到的均值。圖5和圖6表明:(1)屬于同一人的特征序列對(duì)得到的值要低于不同人的特征序列對(duì)得到的值;(2)主要維度取值的均值的分布相對(duì)分散。

    圖5 表征向量維度為128的TypeNet II模型得到比較層的數(shù)值的小提琴圖

    圖6 表征向量維度為64的TypeNet II模型得到比較層的數(shù)值的小提琴圖

    為了進(jìn)一步分析比較層各維度與決策層輸出(相似度量)的關(guān)系,下面選用表征向量維度為64的模型,分析從Str以外的數(shù)據(jù)中抽取2個(gè)被試者(175380, 179773)的樣本對(duì)應(yīng)的特征序列。圖7(a)是相似度量正確的被試者175380的特征序列對(duì)對(duì)應(yīng)的比較層取值,圖7(b)是相似度量錯(cuò)誤的被試者175380的特征序列對(duì)對(duì)應(yīng)的比較層取值,圖7(c)是相似度量正確的被試者175380和其他被試者的特征序列對(duì)應(yīng)的比較層取值。被試者175380的第7和第8個(gè)特征序列對(duì)的 s core超過了0.96,第6和第7個(gè)特征序列對(duì)的 s core超過了0.6,這是兩個(gè)錯(cuò)誤的相似度量。和圖7一樣,圖8是被試者179773的比較層取值情況。圖8(b)展示被試者179773的第5個(gè)特征序列和其他被試者的特征序列的s core為0.08,第14個(gè)特征序列和其他被試者的特征序列的s core為0.16,第1個(gè)特征序列和其他被試者的特征序列的s core為0.23,這是3個(gè)錯(cuò)誤的相似度量。圖7和圖8的橫坐標(biāo)的最后一個(gè)刻度是 s core。對(duì)比圖7(c)和圖8(c),除了取值變化的幅度稍大外,兩者的線型走勢(shì)沒有明顯相似之處,但它們對(duì)應(yīng)的決策層的輸出都超過0.95。圖7(b)相對(duì)于圖7(a)取值的幅度變化稍大一些,和圖7(c)的線型走勢(shì)沒有相似之處,但圖7(b)和圖7(c)對(duì)應(yīng)的決策層的輸出都超過0.6。圖8(b)相對(duì)于圖8(c)取值的幅度變化稍小,和圖8(a)沒有明顯相似之處,但圖8(b)對(duì)應(yīng)的 s core都低于0.5。以上分析表明決策層的輸入和輸出之間是非線性關(guān)系。

    另外,圖7和圖8中,比較層的一些維度取值始終是0,例如,v_33, v_53等,還有一些維度取值絕大多數(shù)為0,少許為較小的數(shù)(1e-2),例如v_9,v_62等。其原因是分支輸出的表征向量的這些維度取值為0或者絕大多數(shù)取值為0。

    4.3 結(jié)果分析

    實(shí)驗(yàn)1的結(jié)果表明,和TypeNet模型的分支不同,TypeNet II模型雖然只用了單層LSTM,但分類效果超過了Acien和Morales提出的方法。模型的表征向量維度是128和64維時(shí),分類效果差別不大,當(dāng)維度降到32或更小維度時(shí),分類效果出現(xiàn)了明顯下降。圖7和圖8表明模型的表征向量是64維時(shí),部分表征向量維度沒有提供對(duì)樣本分類有用的信息,表明模型的表征向量維度還可以繼續(xù)壓縮。

    圖7 被試者175380的特征序列對(duì)應(yīng)的比較層和模型輸出的可視化

    圖8 被試者179773的特征序列對(duì)應(yīng)的比較層和模型輸出的可視化

    實(shí)驗(yàn)2的結(jié)果表明TypeNet II模型中,特征序列的表征向量差的絕對(duì)值可以用來判斷特征序列是否屬于同一被試者。比較層和決策層的輸出呈非線性關(guān)系,用多元二項(xiàng)式模擬該關(guān)系可達(dá)到92%以上的準(zhǔn)確率。整體上,多元二項(xiàng)式系數(shù)大的項(xiàng)對(duì)應(yīng)的比較層的維度的取值大于其他維度,且分布較為分散。說明這些維度的值對(duì)決策層的輸出的影響較大。但要注意,多元二項(xiàng)式某項(xiàng)的系數(shù)大并不一定意味著該項(xiàng)對(duì)應(yīng)的維度對(duì)決策層的影響大,因?yàn)橛锌赡茉摼S度值始終為0。

    5 結(jié)束語

    基于孿生網(wǎng)絡(luò)的TypeNet模型采用歐氏距離度量特征向量在表征空間的相似度。由于表征空間每個(gè)維度沒有明確含義而缺乏可解釋性。和TypeNet不同,TypeNet II的分支使用單層LSTM,用多層感知機(jī)度量?jī)蓚€(gè)分支輸出表征向量差的絕對(duì)值體現(xiàn)出來的輸入特征序列的相似度,其分類效果超過了現(xiàn)有方法。用多元二項(xiàng)式模擬TypeNet II模型中的多層感知機(jī),爾后基于多元二項(xiàng)式,可以分析多層感知機(jī)輸入和輸出之間的關(guān)系,對(duì)模型作出的分類判斷進(jìn)行解釋。本文下一步可以做以下幾個(gè)方面的工作:(1)結(jié)合一些特殊的擊鍵事件序列樣本,解釋TypeNet II模型如何消除特征序列的鍵值和長(zhǎng)度差異對(duì)分類的影響;(2)嘗試用在自然語言任務(wù)中取得很大成功的transformer處理特征序列;(3)擊鍵行為特征在一些安全級(jí)別較高的領(lǐng)域得到了應(yīng)用[17],但一般不作為獨(dú)立的身份認(rèn)證或識(shí)別因子[18],可以將其作為基于口令的認(rèn)證密鑰交換協(xié)議[19,20]的安全增強(qiáng),從而降低口令遭受猜測(cè)和字典攻擊的風(fēng)險(xiǎn)。

    猜你喜歡
    被試者按鍵向量
    向量的分解
    基于有限狀態(tài)機(jī)的按鍵檢測(cè)程序設(shè)計(jì)
    電子制作(2021年3期)2021-06-16 03:14:26
    聚焦“向量與三角”創(chuàng)新題
    德西效應(yīng)
    德西效應(yīng)
    兒童花生過敏治療取得突破
    一種多方向?qū)Ч獍存I結(jié)構(gòu)設(shè)計(jì)
    電子制作(2016年1期)2016-11-07 08:43:05
    向量垂直在解析幾何中的應(yīng)用
    為什么我們會(huì)忍不住發(fā)朋友圈?
    奧秘(2016年3期)2016-03-23 21:58:57
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    少妇粗大呻吟视频| 一区在线观看完整版| 91麻豆av在线| 女性被躁到高潮视频| 久久人人97超碰香蕉20202| 1024香蕉在线观看| 久久性视频一级片| 精品午夜福利视频在线观看一区 | 18禁观看日本| 亚洲午夜精品一区,二区,三区| av一本久久久久| 9色porny在线观看| 中文字幕高清在线视频| 久久精品亚洲熟妇少妇任你| 欧美乱码精品一区二区三区| 不卡av一区二区三区| 午夜两性在线视频| 日韩制服丝袜自拍偷拍| 欧美av亚洲av综合av国产av| 日本黄色日本黄色录像| 亚洲一码二码三码区别大吗| 日韩有码中文字幕| 国产97色在线日韩免费| 夫妻午夜视频| 看免费av毛片| 精品国产国语对白av| 少妇猛男粗大的猛烈进出视频| 窝窝影院91人妻| 国产av国产精品国产| 搡老熟女国产l中国老女人| 不卡av一区二区三区| 不卡av一区二区三区| 不卡一级毛片| 一个人免费看片子| av视频免费观看在线观看| 天堂动漫精品| 国产一区二区三区在线臀色熟女 | 婷婷成人精品国产| 日日夜夜操网爽| 亚洲自偷自拍图片 自拍| 国产日韩欧美亚洲二区| 亚洲国产精品一区二区三区在线| 欧美成人免费av一区二区三区 | 欧美日韩av久久| 亚洲第一av免费看| 亚洲精品自拍成人| 我的亚洲天堂| 丝瓜视频免费看黄片| 亚洲精品国产精品久久久不卡| 后天国语完整版免费观看| 久久国产精品人妻蜜桃| 婷婷成人精品国产| 天天添夜夜摸| 成年人黄色毛片网站| 9色porny在线观看| 嫩草影视91久久| 亚洲中文av在线| 久久久国产成人免费| 久久99热这里只频精品6学生| 另类精品久久| 久久久国产精品麻豆| 国产精品美女特级片免费视频播放器 | 国产深夜福利视频在线观看| 国产在线免费精品| 人人妻人人澡人人看| 精品高清国产在线一区| 国产精品久久久av美女十八| 久久亚洲真实| 精品一区二区三区av网在线观看 | cao死你这个sao货| 制服人妻中文乱码| 国产亚洲一区二区精品| 日韩熟女老妇一区二区性免费视频| 中文字幕人妻熟女乱码| 一区二区三区乱码不卡18| 国产男靠女视频免费网站| 五月开心婷婷网| 国产欧美日韩综合在线一区二区| 国产成+人综合+亚洲专区| 天天躁狠狠躁夜夜躁狠狠躁| 国产黄色免费在线视频| 啦啦啦中文免费视频观看日本| 三上悠亚av全集在线观看| 女人久久www免费人成看片| bbb黄色大片| 大片免费播放器 马上看| 国产精品影院久久| 纵有疾风起免费观看全集完整版| 中文字幕最新亚洲高清| 蜜桃国产av成人99| 91av网站免费观看| 美女扒开内裤让男人捅视频| 亚洲熟女毛片儿| 人人妻人人爽人人添夜夜欢视频| 99久久国产精品久久久| 岛国在线观看网站| 国产精品国产av在线观看| 亚洲人成电影观看| 大片免费播放器 马上看| 亚洲美女黄片视频| 纵有疾风起免费观看全集完整版| 亚洲精品久久午夜乱码| www.自偷自拍.com| 男女下面插进去视频免费观看| 黑人猛操日本美女一级片| 女同久久另类99精品国产91| videosex国产| 熟女少妇亚洲综合色aaa.| 九色亚洲精品在线播放| 国产三级黄色录像| 亚洲精品乱久久久久久| 成年版毛片免费区| 在线观看免费视频网站a站| 亚洲,欧美精品.| 成人精品一区二区免费| 欧美久久黑人一区二区| 黄色视频在线播放观看不卡| 精品人妻1区二区| 黄片小视频在线播放| 狠狠婷婷综合久久久久久88av| 桃红色精品国产亚洲av| 一本色道久久久久久精品综合| 一区二区三区国产精品乱码| 久久久久久免费高清国产稀缺| 精品乱码久久久久久99久播| 国产福利在线免费观看视频| 免费不卡黄色视频| 国产精品美女特级片免费视频播放器 | 大片电影免费在线观看免费| 成年女人毛片免费观看观看9 | 人人妻人人澡人人爽人人夜夜| 99国产精品一区二区三区| 亚洲熟女毛片儿| 91大片在线观看| 欧美乱码精品一区二区三区| 国产精品1区2区在线观看. | 黄片播放在线免费| 色老头精品视频在线观看| 人人妻,人人澡人人爽秒播| 亚洲精品一二三| 国内毛片毛片毛片毛片毛片| 一区在线观看完整版| 黄色丝袜av网址大全| 超碰成人久久| 免费在线观看影片大全网站| 日韩 欧美 亚洲 中文字幕| videosex国产| 日本av免费视频播放| av又黄又爽大尺度在线免费看| 下体分泌物呈黄色| 欧美日韩中文字幕国产精品一区二区三区 | 正在播放国产对白刺激| 亚洲伊人色综图| 精品免费久久久久久久清纯 | 精品国产亚洲在线| 人人妻人人澡人人爽人人夜夜| 色综合欧美亚洲国产小说| 黄色视频在线播放观看不卡| 视频区欧美日本亚洲| 操美女的视频在线观看| 97人妻天天添夜夜摸| 他把我摸到了高潮在线观看 | 国产xxxxx性猛交| 亚洲精品自拍成人| 一本综合久久免费| 国产伦理片在线播放av一区| 日本av免费视频播放| 丰满少妇做爰视频| 涩涩av久久男人的天堂| 久久精品熟女亚洲av麻豆精品| 日日夜夜操网爽| 99精品在免费线老司机午夜| 久久久精品区二区三区| 丝袜喷水一区| 1024香蕉在线观看| 99国产精品一区二区蜜桃av | 午夜福利在线免费观看网站| 嫁个100分男人电影在线观看| 日韩中文字幕视频在线看片| 亚洲 欧美一区二区三区| 久久久精品区二区三区| 国产免费av片在线观看野外av| 日韩欧美免费精品| 一区二区av电影网| 久久99热这里只频精品6学生| 麻豆乱淫一区二区| 精品一品国产午夜福利视频| 叶爱在线成人免费视频播放| 一区二区av电影网| 国产成人免费无遮挡视频| 国产日韩欧美视频二区| 国产亚洲精品久久久久5区| 制服人妻中文乱码| 啦啦啦免费观看视频1| 国产精品偷伦视频观看了| 精品卡一卡二卡四卡免费| 国产主播在线观看一区二区| 桃花免费在线播放| 老熟妇仑乱视频hdxx| 亚洲精品中文字幕一二三四区 | 黄色视频,在线免费观看| 国产成人啪精品午夜网站| 女人被躁到高潮嗷嗷叫费观| 电影成人av| 少妇猛男粗大的猛烈进出视频| 午夜福利乱码中文字幕| 夜夜夜夜夜久久久久| 欧美成人午夜精品| 交换朋友夫妻互换小说| 王馨瑶露胸无遮挡在线观看| 99re6热这里在线精品视频| 久久久久国产一级毛片高清牌| 婷婷成人精品国产| 99国产精品一区二区蜜桃av | 欧美+亚洲+日韩+国产| 啪啪无遮挡十八禁网站| 午夜福利影视在线免费观看| 亚洲男人天堂网一区| 中文字幕色久视频| 精品人妻1区二区| 欧美日韩成人在线一区二区| 亚洲va日本ⅴa欧美va伊人久久| www.999成人在线观看| 久久久久视频综合| 99久久人妻综合| 又大又爽又粗| 欧美性长视频在线观看| 精品久久久久久久毛片微露脸| 国产片内射在线| 精品亚洲成a人片在线观看| 一区二区三区精品91| 高清欧美精品videossex| 亚洲成av片中文字幕在线观看| 亚洲国产欧美在线一区| 精品亚洲乱码少妇综合久久| 成人手机av| 国产成+人综合+亚洲专区| 天堂动漫精品| av天堂久久9| 无遮挡黄片免费观看| 免费观看a级毛片全部| 亚洲午夜精品一区,二区,三区| 女人久久www免费人成看片| av一本久久久久| 男女午夜视频在线观看| 亚洲五月婷婷丁香| 亚洲人成伊人成综合网2020| av有码第一页| av超薄肉色丝袜交足视频| 亚洲avbb在线观看| 新久久久久国产一级毛片| 国产av又大| 欧美日韩av久久| 亚洲人成77777在线视频| 久久热在线av| 国产精品国产av在线观看| 在线av久久热| 国产深夜福利视频在线观看| 精品熟女少妇八av免费久了| 黄网站色视频无遮挡免费观看| 久久精品国产亚洲av高清一级| 啦啦啦中文免费视频观看日本| 午夜福利一区二区在线看| 最新在线观看一区二区三区| 黄色 视频免费看| 国产精品 国内视频| 精品久久久精品久久久| 亚洲精品粉嫩美女一区| 青青草视频在线视频观看| 在线观看免费视频网站a站| 操美女的视频在线观看| 老熟女久久久| 在线观看免费午夜福利视频| 亚洲精品在线美女| 久久精品成人免费网站| 下体分泌物呈黄色| 久久久久久久精品吃奶| av不卡在线播放| 19禁男女啪啪无遮挡网站| 欧美大码av| 精品国产一区二区三区四区第35| 十分钟在线观看高清视频www| 一区二区三区激情视频| 亚洲av国产av综合av卡| 成年人午夜在线观看视频| 久久中文字幕人妻熟女| 亚洲av片天天在线观看| 久久久久精品人妻al黑| 国产一区二区 视频在线| 亚洲精品久久成人aⅴ小说| 国产精品亚洲av一区麻豆| 久久久久久久大尺度免费视频| 男女边摸边吃奶| www日本在线高清视频| 日韩视频一区二区在线观看| 男男h啪啪无遮挡| 亚洲成av片中文字幕在线观看| 久久久精品94久久精品| 亚洲精品久久成人aⅴ小说| 国产成人欧美在线观看 | 欧美国产精品va在线观看不卡| 性高湖久久久久久久久免费观看| 我的亚洲天堂| 日本精品一区二区三区蜜桃| 淫妇啪啪啪对白视频| 午夜福利一区二区在线看| 自拍欧美九色日韩亚洲蝌蚪91| 老熟女久久久| aaaaa片日本免费| 国产精品一区二区精品视频观看| 免费女性裸体啪啪无遮挡网站| 国产1区2区3区精品| 99国产精品免费福利视频| 亚洲欧洲精品一区二区精品久久久| 天天影视国产精品| 国产成人免费观看mmmm| 色在线成人网| 女人精品久久久久毛片| 国产日韩欧美亚洲二区| 在线av久久热| 天天影视国产精品| 国产亚洲欧美精品永久| 精品视频人人做人人爽| 亚洲欧洲日产国产| 80岁老熟妇乱子伦牲交| 正在播放国产对白刺激| 宅男免费午夜| 最新美女视频免费是黄的| 成年动漫av网址| 自拍欧美九色日韩亚洲蝌蚪91| 久久久国产欧美日韩av| 久久久久国产一级毛片高清牌| 在线观看人妻少妇| 久久久久久亚洲精品国产蜜桃av| 国产日韩欧美亚洲二区| 中文字幕色久视频| 男女无遮挡免费网站观看| aaaaa片日本免费| 丝瓜视频免费看黄片| 国产极品粉嫩免费观看在线| 韩国精品一区二区三区| 久久久精品国产亚洲av高清涩受| 午夜精品国产一区二区电影| 99精品久久久久人妻精品| 在线观看www视频免费| 亚洲av国产av综合av卡| 激情视频va一区二区三区| 免费看十八禁软件| 天堂俺去俺来也www色官网| 汤姆久久久久久久影院中文字幕| 亚洲欧美激情在线| 久久久久国内视频| 妹子高潮喷水视频| 亚洲人成电影观看| 黄色 视频免费看| 波多野结衣一区麻豆| 蜜桃国产av成人99| 男人操女人黄网站| 纯流量卡能插随身wifi吗| 久久久国产成人免费| 动漫黄色视频在线观看| 久久香蕉激情| 男人舔女人的私密视频| 热99re8久久精品国产| 亚洲专区中文字幕在线| 操美女的视频在线观看| 久久久久久人人人人人| 亚洲人成伊人成综合网2020| 丝袜喷水一区| 国产精品免费大片| 亚洲精品一二三| 国产一区二区 视频在线| 亚洲男人天堂网一区| 黄片播放在线免费| 亚洲精品粉嫩美女一区| 9191精品国产免费久久| 国产亚洲精品久久久久5区| 免费在线观看视频国产中文字幕亚洲| 欧美激情高清一区二区三区| 一边摸一边抽搐一进一出视频| 亚洲黑人精品在线| 欧美日韩av久久| 最近最新免费中文字幕在线| 日韩中文字幕欧美一区二区| 国产熟女午夜一区二区三区| 久久人人97超碰香蕉20202| 亚洲国产av影院在线观看| 国产深夜福利视频在线观看| 亚洲精品乱久久久久久| 国产主播在线观看一区二区| 国产日韩一区二区三区精品不卡| 精品人妻熟女毛片av久久网站| 亚洲 欧美一区二区三区| 五月开心婷婷网| 亚洲av成人一区二区三| 99精国产麻豆久久婷婷| 亚洲自偷自拍图片 自拍| 亚洲精品中文字幕一二三四区 | 一区在线观看完整版| 纯流量卡能插随身wifi吗| 欧美日韩福利视频一区二区| 国产精品影院久久| 色综合欧美亚洲国产小说| 一区福利在线观看| 国产精品一区二区免费欧美| 国产在线免费精品| 一本综合久久免费| 母亲3免费完整高清在线观看| 少妇 在线观看| 高清毛片免费观看视频网站 | 91精品国产国语对白视频| 国产一区二区激情短视频| 精品卡一卡二卡四卡免费| 国产有黄有色有爽视频| 下体分泌物呈黄色| 两性夫妻黄色片| 中文字幕制服av| 国产一区二区在线观看av| 极品少妇高潮喷水抽搐| 国产精品免费大片| 高清视频免费观看一区二区| 国产成人精品久久二区二区免费| 亚洲欧美一区二区三区黑人| 国产精品亚洲一级av第二区| 久9热在线精品视频| 韩国精品一区二区三区| 婷婷丁香在线五月| 久久精品国产亚洲av香蕉五月 | 精品一区二区三区视频在线观看免费 | 久久精品国产a三级三级三级| 日本vs欧美在线观看视频| 国产欧美日韩一区二区三区在线| a在线观看视频网站| 一边摸一边抽搐一进一出视频| 十八禁网站免费在线| 国产亚洲欧美精品永久| 亚洲国产成人一精品久久久| 成人手机av| 欧美日韩亚洲高清精品| 99热网站在线观看| 日韩欧美一区视频在线观看| 十八禁高潮呻吟视频| 国产精品亚洲av一区麻豆| av在线播放免费不卡| 黄色丝袜av网址大全| 亚洲久久久国产精品| 热re99久久国产66热| 精品免费久久久久久久清纯 | 宅男免费午夜| 午夜福利视频精品| 大型av网站在线播放| 欧美成人午夜精品| 三级毛片av免费| 欧美av亚洲av综合av国产av| 国产人伦9x9x在线观看| 美女高潮到喷水免费观看| 夜夜骑夜夜射夜夜干| 最近最新免费中文字幕在线| 少妇粗大呻吟视频| 成年女人毛片免费观看观看9 | 国产一区二区三区在线臀色熟女 | 美国免费a级毛片| cao死你这个sao货| 久久婷婷成人综合色麻豆| 日本撒尿小便嘘嘘汇集6| 男女无遮挡免费网站观看| 精品第一国产精品| 午夜福利在线免费观看网站| 手机成人av网站| 丝袜人妻中文字幕| 男人舔女人的私密视频| 久久久国产一区二区| 亚洲男人天堂网一区| 亚洲av片天天在线观看| 母亲3免费完整高清在线观看| 亚洲精品中文字幕在线视频| 桃花免费在线播放| kizo精华| 99久久99久久久精品蜜桃| 男女下面插进去视频免费观看| 丰满饥渴人妻一区二区三| 亚洲国产av新网站| 两个人免费观看高清视频| 看免费av毛片| 肉色欧美久久久久久久蜜桃| 日韩一区二区三区影片| 精品一区二区三区四区五区乱码| 在线观看免费视频网站a站| 免费av中文字幕在线| 午夜福利,免费看| netflix在线观看网站| 亚洲av欧美aⅴ国产| 亚洲国产欧美日韩在线播放| 大码成人一级视频| 99国产精品免费福利视频| 香蕉久久夜色| 桃红色精品国产亚洲av| 新久久久久国产一级毛片| 黑人猛操日本美女一级片| 19禁男女啪啪无遮挡网站| 热99国产精品久久久久久7| 大香蕉久久成人网| 涩涩av久久男人的天堂| 成人18禁高潮啪啪吃奶动态图| 91成年电影在线观看| 欧美日韩精品网址| 18禁黄网站禁片午夜丰满| 久久狼人影院| 一级毛片精品| 夜夜爽天天搞| 亚洲全国av大片| 国产亚洲欧美精品永久| 19禁男女啪啪无遮挡网站| netflix在线观看网站| 日本a在线网址| 欧美国产精品va在线观看不卡| 欧美精品人与动牲交sv欧美| 午夜老司机福利片| 999精品在线视频| 99香蕉大伊视频| 亚洲伊人色综图| 日韩大片免费观看网站| 巨乳人妻的诱惑在线观看| www.熟女人妻精品国产| 男女床上黄色一级片免费看| 啦啦啦视频在线资源免费观看| 国产免费现黄频在线看| 亚洲欧美一区二区三区久久| 日韩视频一区二区在线观看| 免费日韩欧美在线观看| 亚洲一区二区三区欧美精品| 又紧又爽又黄一区二区| 亚洲一区二区三区欧美精品| 精品一区二区三区视频在线观看免费 | 午夜福利免费观看在线| 真人做人爱边吃奶动态| 欧美日韩亚洲综合一区二区三区_| 王馨瑶露胸无遮挡在线观看| 国产av精品麻豆| 午夜91福利影院| 久久中文字幕一级| 757午夜福利合集在线观看| 男女下面插进去视频免费观看| 久久久久网色| 久久久久久久久久久久大奶| 国产精品一区二区精品视频观看| 日韩人妻精品一区2区三区| 亚洲色图av天堂| 一边摸一边抽搐一进一小说 | 老汉色∧v一级毛片| 欧美人与性动交α欧美精品济南到| 国产无遮挡羞羞视频在线观看| 香蕉国产在线看| 久久久久久久大尺度免费视频| 人人妻人人澡人人看| 精品亚洲乱码少妇综合久久| 两人在一起打扑克的视频| 精品亚洲成a人片在线观看| 老司机午夜福利在线观看视频 | 超色免费av| 国产一区二区三区视频了| 视频区图区小说| 亚洲国产毛片av蜜桃av| 精品国产乱子伦一区二区三区| 国产福利在线免费观看视频| 亚洲 国产 在线| www.熟女人妻精品国产| 国内毛片毛片毛片毛片毛片| 999精品在线视频| 国产精品免费大片| 免费高清在线观看日韩| 丰满饥渴人妻一区二区三| 777米奇影视久久| 国产精品.久久久| 下体分泌物呈黄色| 日本撒尿小便嘘嘘汇集6| 人人妻人人爽人人添夜夜欢视频| 国产老妇伦熟女老妇高清| 国产精品美女特级片免费视频播放器 | 久久久久久亚洲精品国产蜜桃av| www.999成人在线观看| 成年版毛片免费区| 色婷婷av一区二区三区视频| 亚洲成av片中文字幕在线观看| 一边摸一边抽搐一进一出视频| 午夜老司机福利片| 亚洲av美国av| 亚洲午夜精品一区,二区,三区| 精品一区二区三区四区五区乱码| 亚洲av美国av| 激情在线观看视频在线高清 | 一本大道久久a久久精品| 美女主播在线视频| 一进一出好大好爽视频| 国产精品久久久久成人av| 免费在线观看黄色视频的| 宅男免费午夜| 成年人午夜在线观看视频| 日韩一卡2卡3卡4卡2021年| 亚洲久久久国产精品| 国产精品99久久99久久久不卡| 最新在线观看一区二区三区| 亚洲精品美女久久av网站| 久久国产精品影院| 亚洲精品乱久久久久久| 女性生殖器流出的白浆| 亚洲精品在线美女| 午夜成年电影在线免费观看| 欧美激情高清一区二区三区| 纯流量卡能插随身wifi吗| 国产aⅴ精品一区二区三区波| 久久99一区二区三区| 亚洲少妇的诱惑av| 窝窝影院91人妻| a在线观看视频网站|