• <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
    日本熟妇午夜| 一级黄片播放器| 亚洲激情五月婷婷啪啪| 三级国产精品片| 亚洲av男天堂| 伊人久久精品亚洲午夜| videossex国产| 亚洲成人av在线免费| 午夜爱爱视频在线播放| 亚洲国产精品久久男人天堂| 嫩草影院新地址| 国产成人一区二区在线| 亚洲成人久久爱视频| 日本wwww免费看| 精品久久久噜噜| 一区二区三区乱码不卡18| 日日撸夜夜添| 成年女人看的毛片在线观看| 少妇的逼水好多| 啦啦啦啦在线视频资源| 好男人视频免费观看在线| 亚洲自偷自拍三级| ponron亚洲| 久久久欧美国产精品| 三级国产精品片| 亚洲五月天丁香| 国产精品,欧美在线| 亚洲中文字幕一区二区三区有码在线看| 可以在线观看毛片的网站| 又爽又黄无遮挡网站| 性插视频无遮挡在线免费观看| 国产精品,欧美在线| 日本黄色视频三级网站网址| 久久久久久久久中文| 中文字幕制服av| 99久国产av精品国产电影| 激情 狠狠 欧美| 人人妻人人澡欧美一区二区| 成人高潮视频无遮挡免费网站| 真实男女啪啪啪动态图| 欧美xxxx性猛交bbbb| 国产视频首页在线观看| 国产免费又黄又爽又色| or卡值多少钱| 亚洲欧美日韩东京热| 亚洲最大成人手机在线| 中文天堂在线官网| 国产美女午夜福利| 久久欧美精品欧美久久欧美| 国产精品伦人一区二区| 日韩欧美三级三区| 91精品一卡2卡3卡4卡| 欧美激情在线99| 村上凉子中文字幕在线| 熟女电影av网| 成人欧美大片| 久久久久久久国产电影| 午夜精品在线福利| av在线播放精品| 久久久久久久久久黄片| 亚洲成人精品中文字幕电影| 麻豆久久精品国产亚洲av| 国产免费男女视频| 午夜久久久久精精品| 国产视频内射| 亚洲四区av| 国产精品久久久久久av不卡| 久久久精品94久久精品| 免费播放大片免费观看视频在线观看 | 少妇被粗大猛烈的视频| 最近中文字幕2019免费版| 精品久久久久久久人妻蜜臀av| 久热久热在线精品观看| 一边摸一边抽搐一进一小说| 国产亚洲91精品色在线| 国产精品福利在线免费观看| 小说图片视频综合网站| 一级毛片aaaaaa免费看小| 如何舔出高潮| 久久午夜福利片| 国产亚洲最大av| 国产精品久久久久久精品电影| 午夜福利高清视频| 精品酒店卫生间| 国产激情偷乱视频一区二区| 美女高潮的动态| 麻豆成人午夜福利视频| 亚洲综合色惰| 国产一级毛片七仙女欲春2| 欧美激情国产日韩精品一区| 一级爰片在线观看| 国产一级毛片在线| 一本久久精品| 国产亚洲最大av| 我要搜黄色片| 久久精品久久久久久噜噜老黄 | 深夜a级毛片| 九九在线视频观看精品| 18+在线观看网站| 国产精品伦人一区二区| 久久久色成人| 日本爱情动作片www.在线观看| 久久久久久久久大av| 日韩欧美 国产精品| 国内精品一区二区在线观看| 高清在线视频一区二区三区 | 性色avwww在线观看| 国产av不卡久久| av播播在线观看一区| 亚洲色图av天堂| 亚洲三级黄色毛片| 国产精品蜜桃在线观看| 亚洲va在线va天堂va国产| 变态另类丝袜制服| 免费观看a级毛片全部| av福利片在线观看| av国产免费在线观看| 精品酒店卫生间| 变态另类丝袜制服| 国产麻豆成人av免费视频| 久久精品综合一区二区三区| 久久久久精品久久久久真实原创| 久久久午夜欧美精品| 精品国产露脸久久av麻豆 | 色综合亚洲欧美另类图片| 久久久亚洲精品成人影院| .国产精品久久| 免费看光身美女| 国产又色又爽无遮挡免| 国产精品麻豆人妻色哟哟久久 | 久久99热这里只频精品6学生 | 色综合站精品国产| av免费在线看不卡| av国产免费在线观看| 日日啪夜夜撸| 免费观看在线日韩| 国产熟女欧美一区二区| 97超碰精品成人国产| 亚洲久久久久久中文字幕| 18禁动态无遮挡网站| 国产精品嫩草影院av在线观看| 深爱激情五月婷婷| 久久久久久国产a免费观看| 国产精品,欧美在线| 日日撸夜夜添| 亚洲一级一片aⅴ在线观看| 五月玫瑰六月丁香| 搡女人真爽免费视频火全软件| 日韩精品有码人妻一区| 久久久久精品久久久久真实原创| 美女大奶头视频| av免费观看日本| 2021天堂中文幕一二区在线观| 日韩av不卡免费在线播放| 日韩人妻高清精品专区| 精品一区二区三区人妻视频| 麻豆久久精品国产亚洲av| 永久网站在线| 亚洲av中文av极速乱| 亚洲av中文av极速乱| 中文字幕av成人在线电影| 日本免费一区二区三区高清不卡| 久久精品人妻少妇| 久久热精品热| 天堂中文最新版在线下载 | 欧美日韩综合久久久久久| 成人亚洲欧美一区二区av| 三级男女做爰猛烈吃奶摸视频| 我要看日韩黄色一级片| 亚洲av一区综合| 水蜜桃什么品种好| 欧美另类亚洲清纯唯美| 伦精品一区二区三区| 两个人的视频大全免费| 日本午夜av视频| 丰满乱子伦码专区| 中文乱码字字幕精品一区二区三区 | 天天躁日日操中文字幕| 超碰97精品在线观看| 国产激情偷乱视频一区二区| 夜夜看夜夜爽夜夜摸| 日韩制服骚丝袜av| 一二三四中文在线观看免费高清| 久久久久久久久久成人| 三级国产精品欧美在线观看| 97人妻精品一区二区三区麻豆| 黄片wwwwww| 国产 一区精品| 搡老妇女老女人老熟妇| 亚洲人成网站高清观看| 久久久午夜欧美精品| 免费看美女性在线毛片视频| 日本一本二区三区精品| 欧美日韩在线观看h| 免费大片18禁| 久久人妻av系列| 91午夜精品亚洲一区二区三区| 日本爱情动作片www.在线观看| 色尼玛亚洲综合影院| 精品不卡国产一区二区三区| 久久精品国产自在天天线| av免费观看日本| 男女国产视频网站| 亚洲av电影在线观看一区二区三区 | 建设人人有责人人尽责人人享有的 | 亚洲欧美日韩卡通动漫| 久久精品夜色国产| 日韩欧美国产在线观看| 色综合色国产| 国产亚洲5aaaaa淫片| 床上黄色一级片| 老司机影院成人| 国产欧美日韩精品一区二区| 深夜a级毛片| 一区二区三区免费毛片| 国产精品不卡视频一区二区| 国产精品,欧美在线| 乱系列少妇在线播放| 精品少妇黑人巨大在线播放 | 午夜久久久久精精品| 亚洲国产精品合色在线| 深夜a级毛片| 国产视频首页在线观看| 国产黄色视频一区二区在线观看 | 日日撸夜夜添| 偷拍熟女少妇极品色| 能在线免费观看的黄片| 欧美一级a爱片免费观看看| 欧美日韩综合久久久久久| 久久精品久久久久久噜噜老黄 | 日日摸夜夜添夜夜添av毛片| 日韩av不卡免费在线播放| 国产亚洲91精品色在线| 春色校园在线视频观看| 在线播放国产精品三级| 免费无遮挡裸体视频| 91av网一区二区| 一夜夜www| 嘟嘟电影网在线观看| 91狼人影院| 午夜a级毛片| 亚洲欧美中文字幕日韩二区| 欧美最新免费一区二区三区| 国产黄色小视频在线观看| 国产综合懂色| www日本黄色视频网| 国内精品宾馆在线| 搞女人的毛片| 九色成人免费人妻av| 欧美成人精品欧美一级黄| 国产午夜福利久久久久久| 深爱激情五月婷婷| 国产色婷婷99| 久久久久精品久久久久真实原创| 乱系列少妇在线播放| 国产精品1区2区在线观看.| 综合色av麻豆| 日韩欧美国产在线观看| 色噜噜av男人的天堂激情| 水蜜桃什么品种好| 日本免费在线观看一区| 岛国在线免费视频观看| 国产亚洲精品av在线| 久久久久久久久大av| 在线播放国产精品三级| 亚洲精品,欧美精品| 国产亚洲精品久久久com| 搞女人的毛片| 激情 狠狠 欧美| 又爽又黄a免费视频| 国产极品天堂在线| 国产人妻一区二区三区在| 一个人看的www免费观看视频| 九九热线精品视视频播放| 99久久人妻综合| 自拍偷自拍亚洲精品老妇| 亚洲精品国产av成人精品| 国产午夜精品论理片| 亚洲av免费在线观看| 成人鲁丝片一二三区免费| 三级国产精品欧美在线观看| 亚洲高清免费不卡视频| 97超碰精品成人国产| 97超视频在线观看视频| 亚洲不卡免费看| 久久热精品热| 亚洲va在线va天堂va国产| 欧美激情国产日韩精品一区| 欧美性猛交黑人性爽| 尤物成人国产欧美一区二区三区| 午夜a级毛片| 青春草国产在线视频| 久久精品91蜜桃| 69人妻影院| 国产精品野战在线观看| 亚洲精品色激情综合| 成年av动漫网址| 国产精品国产三级专区第一集| 一本久久精品| 九草在线视频观看| 成人漫画全彩无遮挡| 日本一本二区三区精品| 高清日韩中文字幕在线| 中文字幕制服av| 男人舔奶头视频| 男人的好看免费观看在线视频| 熟妇人妻久久中文字幕3abv| 男女边吃奶边做爰视频| 天堂网av新在线| 国内揄拍国产精品人妻在线| 韩国av在线不卡| 日本黄色视频三级网站网址| 99久久无色码亚洲精品果冻| 国产探花极品一区二区| 综合色丁香网| 欧美日本视频| 99在线人妻在线中文字幕| 亚洲图色成人| 色噜噜av男人的天堂激情| 99热这里只有是精品在线观看| 永久免费av网站大全| 美女内射精品一级片tv| 黄色配什么色好看| 日本猛色少妇xxxxx猛交久久| 乱码一卡2卡4卡精品| av国产免费在线观看| 午夜激情福利司机影院| 国产爱豆传媒在线观看| 老司机影院成人| 九九在线视频观看精品| 六月丁香七月| 国产黄片美女视频| 日日摸夜夜添夜夜爱| 高清视频免费观看一区二区 | 国产精品久久久久久精品电影小说 | 99久久中文字幕三级久久日本| 国产精品久久久久久久久免| 午夜福利网站1000一区二区三区| 国产精品久久视频播放| 伦精品一区二区三区| 99在线人妻在线中文字幕| 久久久a久久爽久久v久久| 草草在线视频免费看| 成人二区视频| 亚洲成人中文字幕在线播放| 又爽又黄无遮挡网站| 日韩av不卡免费在线播放| 2021少妇久久久久久久久久久| 国产精品一区二区在线观看99 | 一个人观看的视频www高清免费观看| 亚洲国产日韩欧美精品在线观看| 免费不卡的大黄色大毛片视频在线观看 | 狂野欧美白嫩少妇大欣赏| 1000部很黄的大片| 午夜爱爱视频在线播放| 寂寞人妻少妇视频99o| 欧美成人一区二区免费高清观看| 黄色日韩在线| videossex国产| 精品酒店卫生间| av在线播放精品| 国产成人一区二区在线| 青青草视频在线视频观看| 免费av观看视频| 久久久久久国产a免费观看| 久久久精品大字幕| 国产成人精品婷婷| 日韩视频在线欧美| 亚洲国产欧美在线一区| 精品久久久噜噜| 日韩三级伦理在线观看| 欧美97在线视频| 日韩三级伦理在线观看| 成人综合一区亚洲| 国产av不卡久久| 国产一区有黄有色的免费视频 | 国产一区二区亚洲精品在线观看| 黄色欧美视频在线观看| 精品久久国产蜜桃| 看片在线看免费视频| 又粗又硬又长又爽又黄的视频| 男女那种视频在线观看| 久久人人爽人人爽人人片va| 看片在线看免费视频| 成年女人永久免费观看视频| 免费一级毛片在线播放高清视频| 国产精品日韩av在线免费观看| 日韩一区二区视频免费看| 国产成人精品婷婷| 少妇的逼水好多| 男女边吃奶边做爰视频| 亚洲精华国产精华液的使用体验| 一级二级三级毛片免费看| 免费av观看视频| 舔av片在线| 日韩欧美在线乱码| 18禁在线播放成人免费| 国产免费男女视频| 一区二区三区四区激情视频| 网址你懂的国产日韩在线| 亚洲国产精品成人综合色| 成人高潮视频无遮挡免费网站| 午夜亚洲福利在线播放| 国产午夜精品论理片| 麻豆国产97在线/欧美| 桃色一区二区三区在线观看| 男人的好看免费观看在线视频| 亚洲成av人片在线播放无| 久久久久久伊人网av| 国产69精品久久久久777片| 日本免费在线观看一区| 一个人观看的视频www高清免费观看| 看片在线看免费视频| 七月丁香在线播放| 超碰97精品在线观看| 国产成人精品久久久久久| 最近中文字幕高清免费大全6| 成年av动漫网址| 欧美最新免费一区二区三区| 国产一区二区在线av高清观看| 18禁动态无遮挡网站| 在线a可以看的网站| 日韩强制内射视频| 高清在线视频一区二区三区 | 国产精品一及| 国产精品一二三区在线看| 国产极品精品免费视频能看的| 一二三四中文在线观看免费高清| 国产在线男女| 亚洲成av人片在线播放无| 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 | 国产伦在线观看视频一区| 在线观看一区二区三区| 国产成人aa在线观看| 老司机影院毛片| 亚洲精品国产av成人精品| 精品一区二区三区人妻视频| 亚洲欧美一区二区三区国产| 日韩欧美精品v在线| 久热久热在线精品观看| 亚洲av成人精品一二三区| 国产大屁股一区二区在线视频| 中文精品一卡2卡3卡4更新| 啦啦啦韩国在线观看视频| 91久久精品国产一区二区三区| 亚洲性久久影院| 亚洲aⅴ乱码一区二区在线播放| 国语自产精品视频在线第100页| 亚洲va在线va天堂va国产| 麻豆久久精品国产亚洲av| 人妻少妇偷人精品九色| av播播在线观看一区| 欧美日本亚洲视频在线播放| 乱系列少妇在线播放| 国产精品国产三级专区第一集| 免费看日本二区| 婷婷六月久久综合丁香| 日本一本二区三区精品| 国产亚洲最大av| 伊人久久精品亚洲午夜| 性色avwww在线观看| 两个人的视频大全免费| 久久精品国产亚洲网站| av国产免费在线观看| 男人狂女人下面高潮的视频| 日本午夜av视频| 久久久久久久久久久丰满| 99热网站在线观看| 免费观看精品视频网站| 我要搜黄色片| av天堂中文字幕网| 1024手机看黄色片| 日产精品乱码卡一卡2卡三| 18禁动态无遮挡网站| 国产成人免费观看mmmm| 午夜视频国产福利| 亚洲欧美日韩卡通动漫| 亚洲中文字幕一区二区三区有码在线看| 日韩 亚洲 欧美在线| 亚洲国产精品sss在线观看| 高清毛片免费看| 在线免费观看的www视频| 一级毛片aaaaaa免费看小| av在线天堂中文字幕| 人妻制服诱惑在线中文字幕| 免费观看的影片在线观看| 男人舔奶头视频| 亚洲av不卡在线观看| 99热网站在线观看| 国产在线男女| 国产免费视频播放在线视频 | 亚洲av.av天堂| av专区在线播放| 青青草视频在线视频观看| 欧美最新免费一区二区三区| 能在线免费观看的黄片| eeuss影院久久| 亚洲天堂国产精品一区在线| 亚洲欧洲日产国产| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久九九精品影院| 日产精品乱码卡一卡2卡三| 亚洲美女搞黄在线观看| 亚洲av成人av| 亚洲在久久综合| 最近手机中文字幕大全| 国产av在哪里看| 亚洲图色成人| 亚洲内射少妇av| 特级一级黄色大片| 性色avwww在线观看| 亚洲精品自拍成人| 九九爱精品视频在线观看| 欧美精品国产亚洲| 不卡视频在线观看欧美| 禁无遮挡网站| 日产精品乱码卡一卡2卡三| 高清毛片免费看| 国产一区二区在线av高清观看| 国产探花极品一区二区| 国内精品宾馆在线| 亚洲真实伦在线观看| 欧美高清性xxxxhd video| 亚洲国产欧洲综合997久久,| 精品少妇黑人巨大在线播放 | 国产白丝娇喘喷水9色精品| 国产免费视频播放在线视频 | 亚洲国产欧美人成| 久久久久久久久久成人| 大香蕉97超碰在线| 亚洲国产精品sss在线观看| 亚洲人成网站高清观看| 观看美女的网站| 美女脱内裤让男人舔精品视频| 秋霞在线观看毛片| 久久久久久伊人网av| 18+在线观看网站| 亚洲五月天丁香| 国内少妇人妻偷人精品xxx网站| 国产精品久久久久久久久免| 国产亚洲91精品色在线| 亚洲国产精品合色在线| 简卡轻食公司| 亚洲av成人精品一二三区| 亚洲av中文字字幕乱码综合| 99国产精品一区二区蜜桃av| 22中文网久久字幕| 亚洲人成网站在线播| 床上黄色一级片| 久久精品国产亚洲av涩爱| 美女cb高潮喷水在线观看| 黄片无遮挡物在线观看| 精品久久久噜噜| 91在线精品国自产拍蜜月| 午夜福利网站1000一区二区三区| 成人亚洲精品av一区二区| 亚洲av免费在线观看| 久久精品国产亚洲av涩爱| 1024手机看黄色片| 午夜a级毛片| 精品久久久久久久人妻蜜臀av| 国产成人a∨麻豆精品| 亚洲精品乱码久久久久久按摩| 精品久久久久久成人av| 亚洲精品国产成人久久av| 亚洲成人av在线免费| 免费黄色在线免费观看| 精品一区二区免费观看| 国产伦理片在线播放av一区| 2021少妇久久久久久久久久久| 美女大奶头视频| 成人综合一区亚洲| 免费搜索国产男女视频| 日日啪夜夜撸| 男女那种视频在线观看| 两个人视频免费观看高清| 国内少妇人妻偷人精品xxx网站| 久久精品国产亚洲av天美| 色综合站精品国产| 精品国产露脸久久av麻豆 | 国产在线一区二区三区精 | 十八禁国产超污无遮挡网站| 免费看美女性在线毛片视频| 精品一区二区三区人妻视频| 亚洲久久久久久中文字幕| 色综合站精品国产| 熟女电影av网| 女人被狂操c到高潮| 亚洲18禁久久av| 成年版毛片免费区| 国产乱来视频区| 国产精品国产三级国产av玫瑰| 日本熟妇午夜| 国产精品一区www在线观看| 精品一区二区免费观看| 欧美人与善性xxx| 成人av在线播放网站| 亚洲欧洲国产日韩| 日韩欧美在线乱码| 亚洲最大成人手机在线| 最新中文字幕久久久久| 国产成人精品一,二区| 国产视频首页在线观看| 亚洲国产精品合色在线| 国产精华一区二区三区| 亚洲av日韩在线播放| 热99re8久久精品国产| 国产高潮美女av| 韩国av在线不卡| 成人毛片a级毛片在线播放| 水蜜桃什么品种好| 亚洲精品日韩av片在线观看| 直男gayav资源| 国产一区二区亚洲精品在线观看| 看免费成人av毛片|