• <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
    国产成人精品久久久久久| 天堂影院成人在线观看| 精品久久久久久久久av| 色综合亚洲欧美另类图片| 爱豆传媒免费全集在线观看| 身体一侧抽搐| 欧美不卡视频在线免费观看| eeuss影院久久| 国产精品综合久久久久久久免费| 国产一级毛片在线| 边亲边吃奶的免费视频| 欧美性感艳星| 成人午夜高清在线视频| 精品久久久久久电影网| 美女黄网站色视频| 国内精品美女久久久久久| 日本免费在线观看一区| 亚洲美女搞黄在线观看| 天堂网av新在线| 中文字幕制服av| 欧美日韩亚洲高清精品| 亚洲成人久久爱视频| 国产精品一二三区在线看| 干丝袜人妻中文字幕| 免费观看性生交大片5| 狂野欧美激情性xxxx在线观看| 91av网一区二区| 亚洲伊人久久精品综合| 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 | 在线观看一区二区三区| 在线观看一区二区三区| 26uuu在线亚洲综合色| 美女脱内裤让男人舔精品视频| 亚洲av电影不卡..在线观看| 男女那种视频在线观看| 亚洲四区av| 2021少妇久久久久久久久久久| 久久6这里有精品| 老司机影院成人| 国产精品人妻久久久影院| 免费观看av网站的网址| 成年女人看的毛片在线观看| 女人久久www免费人成看片| 欧美日本视频| 夫妻性生交免费视频一级片| 亚洲久久久久久中文字幕| 别揉我奶头 嗯啊视频| videossex国产| 亚洲欧美清纯卡通| 韩国高清视频一区二区三区| 99久久精品国产国产毛片| 国语对白做爰xxxⅹ性视频网站| 男人和女人高潮做爰伦理| av在线播放精品| 亚洲成人中文字幕在线播放| 国产精品人妻久久久影院| 午夜亚洲福利在线播放| 两个人视频免费观看高清| 欧美zozozo另类| 亚洲欧洲日产国产| 卡戴珊不雅视频在线播放| 最新中文字幕久久久久| 日本猛色少妇xxxxx猛交久久| 黑人高潮一二区| 亚洲av免费在线观看| 国产精品国产三级专区第一集| 三级男女做爰猛烈吃奶摸视频| 国产老妇女一区| 日韩精品青青久久久久久| 国产 一区精品| 精品国产一区二区三区久久久樱花 | 中文字幕制服av| 欧美成人精品欧美一级黄| 又爽又黄无遮挡网站| 丰满少妇做爰视频| 人妻少妇偷人精品九色| 日日撸夜夜添| 亚洲精品久久午夜乱码| 久久精品久久精品一区二区三区| 91在线精品国自产拍蜜月| 日韩伦理黄色片| 久久久成人免费电影| 亚洲国产精品专区欧美| 久久久久久久午夜电影| 日韩大片免费观看网站| 国产 亚洲一区二区三区 | 一级毛片黄色毛片免费观看视频| 黄色一级大片看看| 全区人妻精品视频| 精品人妻熟女av久视频| 亚洲美女搞黄在线观看| 蜜桃久久精品国产亚洲av| 韩国av在线不卡| 国产一区有黄有色的免费视频 | 岛国毛片在线播放| 欧美区成人在线视频| 日韩视频在线欧美| 国产精品99久久久久久久久| 欧美高清成人免费视频www| 寂寞人妻少妇视频99o| 男人舔奶头视频| 国产免费福利视频在线观看| 国产真实伦视频高清在线观看| .国产精品久久| 亚洲精品日韩在线中文字幕| 人体艺术视频欧美日本| 日韩伦理黄色片| 国产永久视频网站| 七月丁香在线播放| 欧美一区二区亚洲| 777米奇影视久久| 久久久久久久久久黄片| 日本猛色少妇xxxxx猛交久久| 国产精品久久视频播放| 狂野欧美激情性xxxx在线观看| 好男人在线观看高清免费视频| 性插视频无遮挡在线免费观看| 韩国高清视频一区二区三区| 可以在线观看毛片的网站| 午夜激情福利司机影院| 欧美丝袜亚洲另类| 国产乱人偷精品视频| 国产精品蜜桃在线观看| 成年女人在线观看亚洲视频 | 亚洲av成人精品一区久久| 99热这里只有是精品50| 免费av不卡在线播放| 大话2 男鬼变身卡| 午夜久久久久精精品| 亚洲欧美日韩东京热| 亚洲在线观看片| 欧美激情国产日韩精品一区| 91狼人影院| 亚洲精品视频女| 久久精品夜夜夜夜夜久久蜜豆| 免费看a级黄色片| 综合色av麻豆| 综合色丁香网| 亚洲四区av| 国产精品人妻久久久影院| 97热精品久久久久久| 国产黄色视频一区二区在线观看| 日本爱情动作片www.在线观看| 国产精品熟女久久久久浪| 成人特级av手机在线观看| 免费观看的影片在线观看| 最后的刺客免费高清国语| 听说在线观看完整版免费高清| 亚洲国产精品成人久久小说| 99热全是精品| 欧美变态另类bdsm刘玥| 欧美不卡视频在线免费观看| 国产大屁股一区二区在线视频| 高清视频免费观看一区二区 | 国产亚洲最大av| 男人舔女人下体高潮全视频| 日本免费a在线| 最后的刺客免费高清国语| av线在线观看网站| 国产成人一区二区在线| 小蜜桃在线观看免费完整版高清| 麻豆久久精品国产亚洲av| 免费观看a级毛片全部| 亚洲18禁久久av| 啦啦啦中文免费视频观看日本| 久久99热这里只有精品18| 校园人妻丝袜中文字幕| 综合色丁香网| av女优亚洲男人天堂| 亚洲精品久久午夜乱码| 婷婷色av中文字幕| 日日啪夜夜爽| 免费少妇av软件| 啦啦啦啦在线视频资源| 免费av观看视频| 高清午夜精品一区二区三区| 亚洲丝袜综合中文字幕| 午夜免费男女啪啪视频观看| 国产高潮美女av| 中文欧美无线码| 久久精品国产亚洲av涩爱| av天堂中文字幕网| 三级国产精品欧美在线观看| 亚洲欧美精品专区久久| 国产成年人精品一区二区| 国产男女超爽视频在线观看| 亚洲激情五月婷婷啪啪| 我的老师免费观看完整版| 亚洲欧洲国产日韩| 七月丁香在线播放| 最近手机中文字幕大全| 黄色欧美视频在线观看| 人体艺术视频欧美日本| freevideosex欧美| 又粗又硬又长又爽又黄的视频| 深爱激情五月婷婷| 在线免费观看的www视频| 91在线精品国自产拍蜜月| 国产老妇伦熟女老妇高清| 99热6这里只有精品| 午夜免费观看性视频| 国产伦精品一区二区三区四那| 中文天堂在线官网| 色网站视频免费| 亚洲欧美成人综合另类久久久| 日韩三级伦理在线观看| 在线观看美女被高潮喷水网站| 能在线免费观看的黄片| 亚洲精品影视一区二区三区av| 天堂影院成人在线观看| 国产男女超爽视频在线观看| 99热这里只有是精品50| 国产一级毛片七仙女欲春2| av在线蜜桃| 2021天堂中文幕一二区在线观| 91狼人影院| 黄片无遮挡物在线观看| 校园人妻丝袜中文字幕| 午夜老司机福利剧场| 精品99又大又爽又粗少妇毛片| 久久人人爽人人片av| 日韩欧美一区视频在线观看 | 久久久久久久久久成人| 97超碰精品成人国产| 国产三级在线视频| 街头女战士在线观看网站| 18禁在线播放成人免费| 高清欧美精品videossex| 久久99热这里只有精品18| 日韩成人av中文字幕在线观看| 毛片女人毛片| 欧美 日韩 精品 国产| 天堂网av新在线| 成人高潮视频无遮挡免费网站| 可以在线观看毛片的网站| 国产伦精品一区二区三区四那| 免费看光身美女| 亚洲精品亚洲一区二区| 国产女主播在线喷水免费视频网站 | 亚洲最大成人av| 少妇熟女欧美另类| 80岁老熟妇乱子伦牲交| 成人一区二区视频在线观看| 国产午夜精品论理片| 91久久精品电影网| 亚洲精品视频女| 日韩大片免费观看网站| 国产成人a∨麻豆精品| 99热全是精品| 一级毛片aaaaaa免费看小| 大话2 男鬼变身卡| 亚洲一级一片aⅴ在线观看| 国产成人91sexporn| 最近手机中文字幕大全| 精品欧美国产一区二区三| 小蜜桃在线观看免费完整版高清| 日本黄大片高清| 免费无遮挡裸体视频| 日韩不卡一区二区三区视频在线| 一二三四中文在线观看免费高清| 午夜激情欧美在线| 精品少妇黑人巨大在线播放| freevideosex欧美| 欧美激情在线99| 麻豆av噜噜一区二区三区| 老司机影院成人| 18+在线观看网站| 日日啪夜夜撸| 久久久国产一区二区| 韩国av在线不卡| 看免费成人av毛片| 久久久久久久久中文| 国产 一区精品| 国产精品国产三级国产av玫瑰| 久99久视频精品免费| 在线观看人妻少妇| 99热这里只有精品一区| 精品国产露脸久久av麻豆 | 国产精品久久久久久av不卡| 亚洲av在线观看美女高潮| 波野结衣二区三区在线| 亚洲av男天堂| 97热精品久久久久久| 亚洲av在线观看美女高潮| 国产白丝娇喘喷水9色精品| 久久99蜜桃精品久久| 91久久精品国产一区二区成人| 在线免费观看不下载黄p国产| 成人一区二区视频在线观看| 国产精品福利在线免费观看| 亚洲国产欧美在线一区| 建设人人有责人人尽责人人享有的 | 天堂av国产一区二区熟女人妻| 国产有黄有色有爽视频| 99久久精品热视频| 亚洲最大成人手机在线| 在线观看人妻少妇| 国产熟女欧美一区二区| 亚州av有码| 国产亚洲精品久久久com| 亚洲人成网站高清观看| 亚洲欧美一区二区三区黑人 | 久久韩国三级中文字幕| 亚洲成人一二三区av| 亚洲国产精品国产精品| 麻豆久久精品国产亚洲av| 亚洲综合色惰| 最近的中文字幕免费完整| 最近最新中文字幕大全电影3| 欧美精品一区二区大全| 黑人高潮一二区| 久久精品久久久久久久性| 亚洲av中文字字幕乱码综合| 亚洲精品aⅴ在线观看| 一级二级三级毛片免费看| 91精品国产九色| 亚洲成色77777| 一边亲一边摸免费视频| 中文乱码字字幕精品一区二区三区 | 黄色一级大片看看| 国产精品一区二区三区四区久久| 国产精品熟女久久久久浪| 国产精品一区www在线观看| 亚洲性久久影院| 日韩精品有码人妻一区| 色吧在线观看| 青春草国产在线视频| 人人妻人人看人人澡| 少妇熟女aⅴ在线视频| 国产av不卡久久| 亚洲欧美一区二区三区国产| www.av在线官网国产| 菩萨蛮人人尽说江南好唐韦庄| 国产 一区精品| 亚洲四区av| 99久国产av精品| 亚洲电影在线观看av| 国产精品日韩av在线免费观看| 久久6这里有精品| 久久精品熟女亚洲av麻豆精品 | 日本黄大片高清| av在线播放精品| 免费看av在线观看网站| 人体艺术视频欧美日本| 99九九线精品视频在线观看视频| 超碰av人人做人人爽久久| 亚洲在线自拍视频| 国产黄频视频在线观看| 亚洲av中文av极速乱| av国产久精品久网站免费入址| 欧美 日韩 精品 国产| 一个人看的www免费观看视频| 国产国拍精品亚洲av在线观看| 欧美xxxx性猛交bbbb| 国产成人精品福利久久| 国产精品av视频在线免费观看| 床上黄色一级片| 人妻少妇偷人精品九色| 国产成人精品福利久久| 欧美bdsm另类| 乱系列少妇在线播放| 欧美xxxx性猛交bbbb| 久久久久久久久久人人人人人人| 91狼人影院| 久久久成人免费电影| 麻豆乱淫一区二区| 99视频精品全部免费 在线| 欧美一区二区亚洲| 最近2019中文字幕mv第一页| 久久久久久久久久人人人人人人| 日本猛色少妇xxxxx猛交久久| 国产黄色视频一区二区在线观看| 99久久九九国产精品国产免费| 精品久久久久久久久av| 国产片特级美女逼逼视频| 又爽又黄a免费视频| 亚洲自拍偷在线| 日本欧美国产在线视频| 国产午夜精品论理片| 中文欧美无线码| videossex国产| 不卡视频在线观看欧美| 久久久午夜欧美精品| 一区二区三区乱码不卡18| 国产中年淑女户外野战色| 最近中文字幕2019免费版| 国产三级在线视频| 99久久精品国产国产毛片| 91精品一卡2卡3卡4卡| 亚洲18禁久久av| 久久精品国产亚洲网站| 人妻一区二区av| 成人亚洲欧美一区二区av| 校园人妻丝袜中文字幕| 成人二区视频| 九九在线视频观看精品| 国产一区二区亚洲精品在线观看| 日本黄色片子视频| 亚洲欧美日韩东京热| 国产精品一及| 久99久视频精品免费| 成年女人在线观看亚洲视频 | 天堂av国产一区二区熟女人妻| 久久久久久久久大av| 国产69精品久久久久777片| a级一级毛片免费在线观看| 免费av毛片视频| 亚洲人与动物交配视频| 亚洲精品成人av观看孕妇| 你懂的网址亚洲精品在线观看| 视频中文字幕在线观看| 99久久人妻综合| 亚洲真实伦在线观看| 啦啦啦中文免费视频观看日本| 久久久久九九精品影院| 人妻制服诱惑在线中文字幕| 亚洲国产av新网站| av国产免费在线观看| 少妇熟女欧美另类| 精品一区二区三区人妻视频| 精品午夜福利在线看| 午夜久久久久精精品| 日韩中字成人| 97精品久久久久久久久久精品| 蜜桃亚洲精品一区二区三区| 男人舔奶头视频| 成人av在线播放网站| 亚洲精品一区蜜桃| 国产一区二区三区av在线| 最近的中文字幕免费完整| 夜夜看夜夜爽夜夜摸| 国产精品久久视频播放| 国产精品人妻久久久久久| 国产国拍精品亚洲av在线观看| 97精品久久久久久久久久精品| 国产一级毛片七仙女欲春2| 一个人观看的视频www高清免费观看| 人妻一区二区av| 国产三级在线视频| 久久精品夜色国产| 永久网站在线| 哪个播放器可以免费观看大片| 久久人人爽人人片av| 男的添女的下面高潮视频| 美女cb高潮喷水在线观看| 亚洲av成人精品一区久久| 亚洲综合色惰| 色视频www国产| 日日啪夜夜撸| 男人舔女人下体高潮全视频| 婷婷色av中文字幕| 精品国产一区二区三区久久久樱花 | 22中文网久久字幕| 在现免费观看毛片| 成人高潮视频无遮挡免费网站| 亚洲精品乱久久久久久| 99热这里只有是精品在线观看| 国产伦一二天堂av在线观看| 欧美高清成人免费视频www| 有码 亚洲区| 蜜桃久久精品国产亚洲av| 哪个播放器可以免费观看大片| 综合色av麻豆| 国产又色又爽无遮挡免| 亚洲一级一片aⅴ在线观看| 熟女人妻精品中文字幕| 久久鲁丝午夜福利片| 欧美性感艳星| 国产69精品久久久久777片| 亚洲精品,欧美精品| 国产精品一区www在线观看| 成人综合一区亚洲| 欧美日韩在线观看h| 久久精品国产亚洲网站| 欧美三级亚洲精品| 精品人妻偷拍中文字幕| 老司机影院成人| 欧美xxⅹ黑人| 国精品久久久久久国模美| 精品酒店卫生间| 精品一区在线观看国产| 精品国内亚洲2022精品成人| 亚洲精品自拍成人| 最近的中文字幕免费完整| 精品人妻偷拍中文字幕| 熟女人妻精品中文字幕| 欧美xxⅹ黑人| 久久久久久伊人网av| 伊人久久国产一区二区| 人人妻人人澡欧美一区二区| 一二三四中文在线观看免费高清| 日韩国内少妇激情av| 国产黄片视频在线免费观看| 久久精品夜色国产| 婷婷色麻豆天堂久久| 国产黄a三级三级三级人| 天堂影院成人在线观看| 亚洲av男天堂| 干丝袜人妻中文字幕| 成人毛片60女人毛片免费| 日本欧美国产在线视频| 欧美最新免费一区二区三区| 18禁在线播放成人免费| 国产午夜精品论理片| 亚洲一级一片aⅴ在线观看| 国产成人a区在线观看| 777米奇影视久久| 亚洲不卡免费看| 国产精品av视频在线免费观看| 欧美丝袜亚洲另类| 久久久午夜欧美精品| 美女高潮的动态| 久久久久久久久久成人| av在线播放精品| 午夜免费男女啪啪视频观看| av一本久久久久| 最近2019中文字幕mv第一页| 日日啪夜夜撸| 麻豆精品久久久久久蜜桃| 亚洲精品日韩在线中文字幕| 国产国拍精品亚洲av在线观看| 日韩一区二区视频免费看| 国产黄a三级三级三级人| 免费人成在线观看视频色| 国产精品国产三级专区第一集| 99热这里只有是精品在线观看| 日本与韩国留学比较| 亚洲精品456在线播放app| 国产成人一区二区在线| 国产av国产精品国产| 亚洲av中文字字幕乱码综合| 成人漫画全彩无遮挡| 18+在线观看网站| 色吧在线观看| 免费人成在线观看视频色| 丰满乱子伦码专区| 亚洲精品成人av观看孕妇| 久久99蜜桃精品久久| 亚洲精品中文字幕在线视频 | 免费黄色在线免费观看| 国产三级在线视频| 最近视频中文字幕2019在线8| 亚洲在久久综合| 日韩av在线大香蕉| 久久鲁丝午夜福利片| 日日摸夜夜添夜夜爱| 精品不卡国产一区二区三区| 丰满少妇做爰视频| 肉色欧美久久久久久久蜜桃 | 日韩精品有码人妻一区| 国产在视频线在精品| 免费播放大片免费观看视频在线观看| 亚洲天堂国产精品一区在线| 国产亚洲91精品色在线| 日韩欧美一区视频在线观看 | 两个人视频免费观看高清| 亚洲av二区三区四区| 一区二区三区乱码不卡18| 国产午夜精品论理片| 国产成人福利小说| 亚洲人成网站在线观看播放| 亚洲av男天堂| 欧美潮喷喷水| 欧美日韩视频高清一区二区三区二| 麻豆av噜噜一区二区三区| 精品国产三级普通话版| 国产 一区 欧美 日韩| 国产精品一及| 秋霞伦理黄片| 午夜日本视频在线| 亚洲av不卡在线观看| 亚洲伊人久久精品综合| 夜夜爽夜夜爽视频| 国产男人的电影天堂91| 中文资源天堂在线| 最近视频中文字幕2019在线8| www.av在线官网国产| 国产精品久久久久久精品电影| 青春草视频在线免费观看| 狂野欧美激情性xxxx在线观看| 日韩,欧美,国产一区二区三区| 精品一区二区免费观看| 精品一区二区三卡| 国产精品女同一区二区软件| 99久久精品一区二区三区| 久久久久久伊人网av| 亚洲三级黄色毛片| or卡值多少钱| 一个人看视频在线观看www免费| 啦啦啦中文免费视频观看日本| 国产伦精品一区二区三区四那| 777米奇影视久久| 91狼人影院| 久久人人爽人人片av| 日韩欧美精品v在线| 午夜福利视频精品| 两个人的视频大全免费| 色视频www国产| 美女大奶头视频| 免费av毛片视频| 亚洲丝袜综合中文字幕| 国产黄色小视频在线观看| 插逼视频在线观看| 久久精品国产自在天天线| 又黄又爽又刺激的免费视频.| 亚洲精品色激情综合| 波多野结衣巨乳人妻| 99九九线精品视频在线观看视频| 国产午夜精品论理片| 好男人视频免费观看在线| 99视频精品全部免费 在线| 日韩亚洲欧美综合| 欧美不卡视频在线免费观看| 中文乱码字字幕精品一区二区三区 | 高清av免费在线|