• <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
    亚洲精品乱久久久久久| 亚洲精品一卡2卡三卡4卡5卡 | xxxhd国产人妻xxx| 各种免费的搞黄视频| 精品亚洲乱码少妇综合久久| 亚洲精品成人av观看孕妇| 日韩一区二区三区影片| 日韩欧美一区视频在线观看| 色94色欧美一区二区| 欧美成狂野欧美在线观看| 亚洲国产中文字幕在线视频| 女性被躁到高潮视频| 老熟女久久久| 精品久久久久久久毛片微露脸 | 18在线观看网站| 91麻豆av在线| 国语对白做爰xxxⅹ性视频网站| 三上悠亚av全集在线观看| 91麻豆精品激情在线观看国产 | 午夜老司机福利片| 大香蕉久久成人网| 欧美日韩黄片免| 蜜桃国产av成人99| 一级a爱视频在线免费观看| 黄色视频在线播放观看不卡| 久久国产精品影院| 国产亚洲av高清不卡| 999精品在线视频| 精品人妻1区二区| 19禁男女啪啪无遮挡网站| 国产黄频视频在线观看| 黑人猛操日本美女一级片| 五月天丁香电影| 国产亚洲av片在线观看秒播厂| 亚洲中文av在线| 男女边吃奶边做爰视频| 一级a爱视频在线免费观看| 日韩精品免费视频一区二区三区| 国产精品 国内视频| av又黄又爽大尺度在线免费看| 丁香六月欧美| 99久久人妻综合| 岛国毛片在线播放| 老司机午夜十八禁免费视频| 一本久久精品| 国产xxxxx性猛交| 美女脱内裤让男人舔精品视频| 69精品国产乱码久久久| 欧美大码av| 久久久久国产精品人妻一区二区| 91麻豆精品激情在线观看国产 | 99热国产这里只有精品6| 黄片播放在线免费| 免费看av在线观看网站| 岛国毛片在线播放| 久久久久久亚洲精品国产蜜桃av| 日本欧美国产在线视频| 欧美变态另类bdsm刘玥| 久久九九热精品免费| 成人18禁高潮啪啪吃奶动态图| 国产精品99久久99久久久不卡| 日韩 欧美 亚洲 中文字幕| 免费女性裸体啪啪无遮挡网站| 99久久精品国产亚洲精品| 大片免费播放器 马上看| 欧美+亚洲+日韩+国产| 日韩,欧美,国产一区二区三区| 成年人黄色毛片网站| 久久热在线av| 天天躁夜夜躁狠狠躁躁| 欧美日韩亚洲综合一区二区三区_| 午夜老司机福利片| 女性被躁到高潮视频| 男女无遮挡免费网站观看| 最近最新中文字幕大全免费视频 | a级片在线免费高清观看视频| 欧美精品人与动牲交sv欧美| 人人澡人人妻人| 激情视频va一区二区三区| 亚洲成人国产一区在线观看 | 亚洲精品一区蜜桃| 黑丝袜美女国产一区| 精品久久久久久电影网| av电影中文网址| 精品人妻一区二区三区麻豆| 在线看a的网站| av网站在线播放免费| 五月天丁香电影| h视频一区二区三区| 国产女主播在线喷水免费视频网站| 一本色道久久久久久精品综合| 2021少妇久久久久久久久久久| 丝袜喷水一区| 亚洲精品久久久久久婷婷小说| 成人18禁高潮啪啪吃奶动态图| 天堂俺去俺来也www色官网| 考比视频在线观看| 大型av网站在线播放| 亚洲国产中文字幕在线视频| 国产一级毛片在线| 国产av精品麻豆| 首页视频小说图片口味搜索 | 汤姆久久久久久久影院中文字幕| 啦啦啦中文免费视频观看日本| 欧美成人精品欧美一级黄| 五月开心婷婷网| 18禁黄网站禁片午夜丰满| 午夜福利视频精品| 在线观看一区二区三区激情| 免费高清在线观看视频在线观看| 黄色毛片三级朝国网站| 精品国产一区二区三区四区第35| 国产精品偷伦视频观看了| 欧美日韩视频高清一区二区三区二| 丝袜在线中文字幕| 香蕉丝袜av| 又粗又硬又长又爽又黄的视频| 97人妻天天添夜夜摸| 久久久欧美国产精品| 国产精品偷伦视频观看了| 日日夜夜操网爽| 成人国产一区最新在线观看 | 免费在线观看日本一区| 欧美精品av麻豆av| 国产免费现黄频在线看| 精品久久久久久久毛片微露脸 | 国产色视频综合| 日本av手机在线免费观看| 亚洲精品国产av蜜桃| 午夜福利在线免费观看网站| 各种免费的搞黄视频| 下体分泌物呈黄色| 成年人免费黄色播放视频| 国产国语露脸激情在线看| 亚洲国产最新在线播放| 午夜免费男女啪啪视频观看| 超色免费av| 久久久久精品国产欧美久久久 | 乱人伦中国视频| 香蕉丝袜av| 午夜久久久在线观看| 一级a爱视频在线免费观看| 欧美av亚洲av综合av国产av| 午夜福利乱码中文字幕| 国产免费视频播放在线视频| 亚洲午夜精品一区,二区,三区| 曰老女人黄片| 亚洲av综合色区一区| 欧美成人精品欧美一级黄| 午夜免费成人在线视频| 亚洲成av片中文字幕在线观看| 亚洲九九香蕉| 久久九九热精品免费| 爱豆传媒免费全集在线观看| 啦啦啦在线免费观看视频4| 曰老女人黄片| 韩国精品一区二区三区| 国产91精品成人一区二区三区 | 王馨瑶露胸无遮挡在线观看| 国产精品久久久av美女十八| 国产成人精品无人区| 2018国产大陆天天弄谢| 久久久久网色| 91精品三级在线观看| 精品熟女少妇八av免费久了| 午夜日韩欧美国产| 国产亚洲av高清不卡| 国产亚洲精品第一综合不卡| 精品人妻熟女毛片av久久网站| 国产有黄有色有爽视频| 精品国产一区二区久久| xxxhd国产人妻xxx| 在线观看www视频免费| 午夜精品国产一区二区电影| 日韩一区二区三区影片| 精品卡一卡二卡四卡免费| 久久久久视频综合| 嫁个100分男人电影在线观看 | 成年女人毛片免费观看观看9 | 国产精品久久久人人做人人爽| 亚洲国产精品999| 99热国产这里只有精品6| 国产在视频线精品| 国产不卡av网站在线观看| 亚洲五月婷婷丁香| 一本久久精品| 人人妻人人爽人人添夜夜欢视频| 成人国语在线视频| 另类精品久久| 大型av网站在线播放| 日本av手机在线免费观看| 欧美av亚洲av综合av国产av| 女警被强在线播放| 午夜两性在线视频| 精品免费久久久久久久清纯 | 女性生殖器流出的白浆| 亚洲精品国产色婷婷电影| 18禁观看日本| 男女免费视频国产| 亚洲av片天天在线观看| 午夜福利,免费看| 国产成人免费观看mmmm| 欧美日韩亚洲高清精品| 日韩一本色道免费dvd| 中文字幕av电影在线播放| 国产xxxxx性猛交| 久9热在线精品视频| 9191精品国产免费久久| 国产av一区二区精品久久| 中文字幕人妻熟女乱码| 午夜两性在线视频| 人成视频在线观看免费观看| 99久久综合免费| 人妻 亚洲 视频| 亚洲人成电影免费在线| 秋霞在线观看毛片| 成年美女黄网站色视频大全免费| av在线播放精品| 欧美精品高潮呻吟av久久| 91国产中文字幕| 国语对白做爰xxxⅹ性视频网站| 亚洲成人国产一区在线观看 | 国产一卡二卡三卡精品| 日韩中文字幕视频在线看片| 天天躁夜夜躁狠狠躁躁| 中文欧美无线码| 午夜福利影视在线免费观看| 深夜精品福利| 精品一区在线观看国产| 国产xxxxx性猛交| 亚洲人成电影免费在线| 天堂俺去俺来也www色官网| 国产伦人伦偷精品视频| 在线观看免费高清a一片| 两个人免费观看高清视频| bbb黄色大片| 亚洲专区国产一区二区| 性色av乱码一区二区三区2| 黄片播放在线免费| 亚洲人成网站在线观看播放| 久久久久视频综合| 十八禁高潮呻吟视频| 最新的欧美精品一区二区| 久久青草综合色| 手机成人av网站| 亚洲精品国产一区二区精华液| 日韩av免费高清视频| 免费在线观看日本一区| 免费在线观看影片大全网站 | 丝袜美腿诱惑在线| 老司机午夜十八禁免费视频| 大片免费播放器 马上看| 黑人巨大精品欧美一区二区蜜桃| 久久久久精品人妻al黑| 成人黄色视频免费在线看| 午夜免费鲁丝| 久久女婷五月综合色啪小说| 久久久精品94久久精品| 国产精品麻豆人妻色哟哟久久| 日本av免费视频播放| 曰老女人黄片| 精品免费久久久久久久清纯 | 丁香六月欧美| 亚洲人成电影免费在线| 国产精品免费大片| 女性被躁到高潮视频| 久久精品熟女亚洲av麻豆精品| 最近最新中文字幕大全免费视频 | 纯流量卡能插随身wifi吗| 亚洲中文av在线| 久久久久久亚洲精品国产蜜桃av| 热99国产精品久久久久久7| 在线观看免费视频网站a站| 这个男人来自地球电影免费观看| 色视频在线一区二区三区| 悠悠久久av| 亚洲av电影在线进入| 精品欧美一区二区三区在线| 午夜福利视频在线观看免费| 好男人视频免费观看在线| 国产精品国产av在线观看| 久久久久久亚洲精品国产蜜桃av| 亚洲国产成人一精品久久久| 日本午夜av视频| 欧美精品亚洲一区二区| 国产女主播在线喷水免费视频网站| 亚洲欧美一区二区三区久久| 夫妻性生交免费视频一级片| 色播在线永久视频| 女性生殖器流出的白浆| 国产免费视频播放在线视频| 国产精品九九99| 国产精品一区二区在线不卡| 午夜福利一区二区在线看| 欧美黄色淫秽网站| 午夜免费成人在线视频| 少妇人妻久久综合中文| 国产高清视频在线播放一区 | 熟女少妇亚洲综合色aaa.| 亚洲国产精品国产精品| 日本午夜av视频| 亚洲中文字幕日韩| 国产成人影院久久av| 一边摸一边抽搐一进一出视频| 丝袜美腿诱惑在线| 女人爽到高潮嗷嗷叫在线视频| 国产在线视频一区二区| 国产99久久九九免费精品| 欧美激情 高清一区二区三区| 国产精品三级大全| 人妻 亚洲 视频| 国产男人的电影天堂91| 国产在线观看jvid| 亚洲成国产人片在线观看| 国产在线一区二区三区精| 波多野结衣一区麻豆| 午夜两性在线视频| 久久性视频一级片| 日韩中文字幕欧美一区二区 | 欧美 日韩 精品 国产| 婷婷色麻豆天堂久久| 欧美精品亚洲一区二区| 久久天躁狠狠躁夜夜2o2o | 国产一区二区三区av在线| 一边摸一边抽搐一进一出视频| 肉色欧美久久久久久久蜜桃| 老司机深夜福利视频在线观看 | 美女大奶头黄色视频| 亚洲欧洲精品一区二区精品久久久| 秋霞在线观看毛片| 午夜福利在线免费观看网站| 久久久久精品国产欧美久久久 | 亚洲av在线观看美女高潮| 成人黄色视频免费在线看| 建设人人有责人人尽责人人享有的| 日韩av不卡免费在线播放| 中文乱码字字幕精品一区二区三区| 你懂的网址亚洲精品在线观看| 午夜91福利影院| 国产精品九九99| xxxhd国产人妻xxx| 岛国毛片在线播放| 精品少妇内射三级| 波野结衣二区三区在线| 天天躁日日躁夜夜躁夜夜| 大香蕉久久网| 国产免费视频播放在线视频| 波野结衣二区三区在线| 一本久久精品| 大话2 男鬼变身卡| 精品福利观看| 日韩一本色道免费dvd| 水蜜桃什么品种好| 十八禁人妻一区二区| 一级黄片播放器| 久久精品成人免费网站| 久久精品久久久久久久性| 嫁个100分男人电影在线观看 | 精品一区二区三区四区五区乱码 | 国产成人精品久久二区二区91| 亚洲欧洲日产国产| 日韩欧美一区视频在线观看| 亚洲欧洲精品一区二区精品久久久| 考比视频在线观看| 丰满迷人的少妇在线观看| 午夜免费男女啪啪视频观看| 久久人人爽av亚洲精品天堂| 捣出白浆h1v1| 中文字幕高清在线视频| 亚洲人成77777在线视频| 午夜福利视频精品| 欧美日韩亚洲综合一区二区三区_| 亚洲欧美一区二区三区久久| 成年美女黄网站色视频大全免费| 老司机影院成人| 男女免费视频国产| 亚洲欧美一区二区三区国产| 一级,二级,三级黄色视频| 侵犯人妻中文字幕一二三四区| 1024视频免费在线观看| 麻豆乱淫一区二区| 青草久久国产| 亚洲精品国产av蜜桃| 国产国语露脸激情在线看| 日韩制服丝袜自拍偷拍| 一本—道久久a久久精品蜜桃钙片| 精品亚洲成a人片在线观看| 性少妇av在线| 国产免费又黄又爽又色| 丰满人妻熟妇乱又伦精品不卡| 热99久久久久精品小说推荐| 91老司机精品| 亚洲成av片中文字幕在线观看| 精品少妇久久久久久888优播| 中文字幕人妻丝袜一区二区| 91精品伊人久久大香线蕉| 老司机影院毛片| 精品国产国语对白av| 国产有黄有色有爽视频| av国产精品久久久久影院| 国产午夜精品一二区理论片| 午夜免费成人在线视频| 夫妻性生交免费视频一级片| 制服人妻中文乱码| 欧美+亚洲+日韩+国产| 天天操日日干夜夜撸| 亚洲国产精品一区三区| 久久人人97超碰香蕉20202| av网站免费在线观看视频| 大片免费播放器 马上看| 考比视频在线观看| 免费不卡黄色视频| 亚洲精品在线美女| 免费观看av网站的网址| 国产视频首页在线观看| 涩涩av久久男人的天堂| 后天国语完整版免费观看| 国产精品熟女久久久久浪| 亚洲av日韩精品久久久久久密 | 性色av一级| 两性夫妻黄色片| 999精品在线视频| 免费在线观看黄色视频的| 亚洲国产精品国产精品| 亚洲综合色网址| h视频一区二区三区| 中文字幕最新亚洲高清| 考比视频在线观看| 日韩大片免费观看网站| 国产黄色视频一区二区在线观看| 欧美精品亚洲一区二区| 美女高潮到喷水免费观看| 亚洲国产欧美在线一区| 每晚都被弄得嗷嗷叫到高潮| 中国美女看黄片| 婷婷色综合www| 美女高潮到喷水免费观看| 国产日韩一区二区三区精品不卡| 青春草视频在线免费观看| 国产成人91sexporn| 国产成人欧美| 麻豆av在线久日| 久久久久网色| 丝袜美腿诱惑在线| 热re99久久国产66热| 亚洲男人天堂网一区| 亚洲国产av影院在线观看| 飞空精品影院首页| 在线av久久热| 亚洲人成网站在线观看播放| 免费在线观看日本一区| 亚洲av日韩精品久久久久久密 | 新久久久久国产一级毛片| 国产一区亚洲一区在线观看| 国产一卡二卡三卡精品| 中文字幕高清在线视频| 波野结衣二区三区在线| 午夜福利视频精品| 天天添夜夜摸| 欧美精品亚洲一区二区| 国产黄色免费在线视频| 国产精品一区二区精品视频观看| 母亲3免费完整高清在线观看| 另类精品久久| 女人精品久久久久毛片| 热99久久久久精品小说推荐| 国产免费视频播放在线视频| 国产福利在线免费观看视频| 国产精品国产三级国产专区5o| 99热国产这里只有精品6| 少妇精品久久久久久久| 国产高清videossex| 老汉色av国产亚洲站长工具| 无限看片的www在线观看| 男女边摸边吃奶| 丝袜在线中文字幕| 国产成人欧美在线观看 | 国产免费视频播放在线视频| 大话2 男鬼变身卡| 啦啦啦啦在线视频资源| 极品人妻少妇av视频| 欧美在线黄色| 精品第一国产精品| 99精国产麻豆久久婷婷| 侵犯人妻中文字幕一二三四区| av福利片在线| 欧美精品高潮呻吟av久久| 中文字幕最新亚洲高清| 亚洲成色77777| 亚洲国产精品成人久久小说| 免费观看a级毛片全部| 97在线人人人人妻| 亚洲欧洲精品一区二区精品久久久| 国产一区二区激情短视频 | 午夜影院在线不卡| 黄片播放在线免费| 中文字幕另类日韩欧美亚洲嫩草| 午夜两性在线视频| av片东京热男人的天堂| 久久天堂一区二区三区四区| 99久久综合免费| av网站免费在线观看视频| 蜜桃国产av成人99| 久久久久国产一级毛片高清牌| 亚洲,欧美精品.| 中文字幕高清在线视频| 天天操日日干夜夜撸| 丝袜在线中文字幕| 国产男人的电影天堂91| 捣出白浆h1v1| 欧美精品啪啪一区二区三区 | 成人国产av品久久久| 妹子高潮喷水视频| 首页视频小说图片口味搜索 | 大片免费播放器 马上看| av网站免费在线观看视频| 欧美成人精品欧美一级黄| 最新在线观看一区二区三区 | 男的添女的下面高潮视频| 精品福利观看| 久久天躁狠狠躁夜夜2o2o | 男女边摸边吃奶| 亚洲精品一卡2卡三卡4卡5卡 | 一二三四社区在线视频社区8| 人人妻人人添人人爽欧美一区卜| 久久精品国产亚洲av涩爱| 高潮久久久久久久久久久不卡| 久久精品国产亚洲av涩爱| 脱女人内裤的视频| 国产在线视频一区二区| 亚洲,一卡二卡三卡| 在线天堂中文资源库| 少妇猛男粗大的猛烈进出视频| 19禁男女啪啪无遮挡网站| 在线观看免费高清a一片| 亚洲av电影在线进入| 色播在线永久视频| 免费观看人在逋| 久久精品亚洲熟妇少妇任你| 1024视频免费在线观看| 亚洲伊人色综图| 国产高清国产精品国产三级| 成人亚洲欧美一区二区av| 一二三四在线观看免费中文在| 一区二区av电影网| 1024香蕉在线观看| 丰满少妇做爰视频| 国产色视频综合| 在线观看一区二区三区激情| 久久青草综合色| 国产女主播在线喷水免费视频网站| 久久久久久人人人人人| 2018国产大陆天天弄谢| 看免费成人av毛片| 国产黄色视频一区二区在线观看| 亚洲伊人久久精品综合| 国产伦理片在线播放av一区| av不卡在线播放| 69精品国产乱码久久久| 欧美黑人精品巨大| 99九九在线精品视频| 亚洲五月婷婷丁香| 国产又爽黄色视频| 91精品国产国语对白视频| av网站免费在线观看视频| 亚洲图色成人| 国产视频首页在线观看| 中文字幕另类日韩欧美亚洲嫩草| 丝袜在线中文字幕| 男女边吃奶边做爰视频| 久久国产精品大桥未久av| 激情视频va一区二区三区| 91麻豆av在线| 视频区欧美日本亚洲| 日韩一区二区三区影片| 可以免费在线观看a视频的电影网站| 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| 精品国产一区二区久久| 尾随美女入室| 亚洲精品日本国产第一区| 亚洲人成电影免费在线| 国产精品国产av在线观看| 亚洲精品国产av成人精品| 免费观看a级毛片全部| 日韩欧美一区视频在线观看| 亚洲欧美一区二区三区久久| 如日韩欧美国产精品一区二区三区| 天天影视国产精品| 久久青草综合色| 久久天躁狠狠躁夜夜2o2o | 中国国产av一级| 日本a在线网址| 国产高清视频在线播放一区 | 日韩一区二区三区影片| 精品欧美一区二区三区在线| videosex国产| 午夜两性在线视频| 亚洲综合色网址| 午夜福利在线免费观看网站| 另类精品久久| √禁漫天堂资源中文www| 欧美日韩亚洲综合一区二区三区_| 国产精品久久久久久精品古装| 国产成人啪精品午夜网站| 最近中文字幕2019免费版| 超碰97精品在线观看| 国产精品欧美亚洲77777| 成在线人永久免费视频| 侵犯人妻中文字幕一二三四区| 一本—道久久a久久精品蜜桃钙片| 捣出白浆h1v1| 一级黄片播放器| 成人三级做爰电影| 色网站视频免费|