• <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 ?

    基于云計算的隱私保護支持向量機分類方案

    2023-08-31 03:05:36馬鳳英吳黎明張芳芳
    指揮與控制學(xué)報 2023年3期
    關(guān)鍵詞:用戶端明文加密

    馬鳳英 吳黎明 張芳芳

    近年來,機器學(xué)習(xí)吸引了眾多學(xué)者的研究興趣,并已經(jīng)成為人工智能領(lǐng)域研究的主流.支持向量機(support vector machine,SVM)是最為火熱的機器學(xué)習(xí)算法之一,并被應(yīng)用到各個領(lǐng)域,例如:風(fēng)險檢測[1]、圖像識別[2]、故障診斷[3]等.支持向量機中使用的數(shù)據(jù)越多,學(xué)習(xí)模型預(yù)測的準確率越高.然而,大量數(shù)據(jù)的使用會給本地計算資源帶來巨大挑戰(zhàn).

    隨著云計算應(yīng)用范圍越來越廣泛,許多SVM 的訓(xùn)練和預(yù)測任務(wù)都外包到云服務(wù)器上運行,例如:文獻[4]提出了一種在云計算環(huán)境中實現(xiàn)數(shù)據(jù)分類的SVM算法,文獻[5]構(gòu)建了一種云計算環(huán)境下利用SVM 改進醫(yī)療服務(wù)的機器學(xué)習(xí)模型,文獻[6]在云計算環(huán)境中設(shè)計了一種基于SVM 的信息熵檢測異常網(wǎng)絡(luò)流量算法.然而,這些方案都涉及到用戶私有數(shù)據(jù)的研究,不可避免地使用屬于第三方利益相關(guān)者的可見數(shù)據(jù),增加了隱私泄漏的風(fēng)險[7-9].

    對數(shù)據(jù)進行加密是實現(xiàn)隱私保護最簡單有效的方法之一,混沌加密和同態(tài)加密各自具有不可比擬的優(yōu)勢,應(yīng)用廣泛.一方面,混沌加密中的混沌序列因具有初值敏感性、偽隨機性和遍歷性,眾多學(xué)者將其應(yīng)用到加密算法[10-13].其中,文獻[13]設(shè)計的二維滯后復(fù)Logistic 映射(two dimension lag complex logistic mapping,2D-LCLM)將傳統(tǒng)二維Logistic 映射的變量從實數(shù)域擴展到復(fù)數(shù)域,具有廣泛的混沌區(qū)間,良好的遍歷性以及不可預(yù)測的特性,將其應(yīng)用到文本加密中能實現(xiàn)良好的加密效果.另一方面,同態(tài)加密算法不會損壞數(shù)據(jù)的可用性,使加密后的密文數(shù)據(jù)仍然可以執(zhí)行計算操作.Paillier 密碼系統(tǒng)是目前廣泛應(yīng)用的具有語義安全的同態(tài)加密算法之一,其安全性是基于決策復(fù)合剩余困難問題,具有非常高效的運行性能[14].文獻[15-17]利用Paillier 加密方案保護機器學(xué)習(xí)中的數(shù)據(jù)隱私,例如:文獻[15]在云計算環(huán)境中利用Paillier 同態(tài)加密方案實現(xiàn)圖像數(shù)據(jù)外包,文獻[17]為支持向量機模型設(shè)計了一種可驗證的、保護隱私的機器學(xué)習(xí)預(yù)測服務(wù).這些方案實現(xiàn)了在云計算環(huán)境中用戶數(shù)據(jù)的隱私保護,但其要求用戶實時在線并參與SVM 分類算法的計算過程.然而在現(xiàn)實世界中,由于時間、設(shè)備等原因,用戶存在無法實時在線并參與計算過程的情況.

    為了解決當(dāng)前在云計算環(huán)境中進行SVM 分類時無法保護數(shù)據(jù)隱私和需要用戶實時在線的問題,本文提出了利用2D-LCLM 和Paillier 加密方案的隱私保護SVM 分類方案,實現(xiàn)云計算環(huán)境中分類模型的安全和隱私保護,并有效減少本地計算開銷.本文的主要工作如下:

    1)使用2D-LCLM 和Paillier 同態(tài)加密結(jié)合的加密算法作為底層密碼系統(tǒng),并構(gòu)造了基于兩個非共謀云服務(wù)器模型的隱私保護SVM 分類方案.該方案可以在加密數(shù)據(jù)庫上有效地執(zhí)行分類任務(wù).

    2)將所有數(shù)據(jù)進行轉(zhuǎn)換.原始訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)可能是帶有分數(shù)部分的數(shù)字.而Paillier 加密方案只支持整數(shù)計算,因此,需要一種將其轉(zhuǎn)換為整數(shù)的方案.本文采用縮放的數(shù)學(xué)格式完成這項工作,它的主要優(yōu)點為小數(shù)的準確表示.

    3)在半誠實安全模型下進行安全性分析.該方案從數(shù)據(jù)集安全、分類結(jié)果的隱私性和隱藏數(shù)據(jù)訪問(即隱藏數(shù)據(jù)記錄與分類之間的對應(yīng)關(guān)系,防止合謀攻擊)3 個方面保護了隱私性.

    1 算法基礎(chǔ)

    1.1 支持向量機

    SVM 是一種強大的機器學(xué)習(xí)算法,其基本思想是在特征空間中尋找最佳的分離超平面,使得訓(xùn)練集上的正、負樣本區(qū)間最大化[18].SVM 既可以解決二分類問題,也可以解決多分類問題.因此,本文采用SVM 作為機器學(xué)習(xí)算法,將解決二分類問題作為研究內(nèi)容,多分類問題的解決方法與二分類問題的解決方法類似.

    假設(shè)給定一個線性不可分的訓(xùn)練集DB,DB 中包含m 個訓(xùn)練數(shù)據(jù)(xi,yi),i=1,2,…,m,其中,表示n 維的特征向量;表示n 維實數(shù)集;yi∈{1,-1}表示特征向量xi的特征值.SVM 的解決思路是使用核函數(shù),將原始空間樣本映射到高維特征空間,將線性不可分的問題轉(zhuǎn)化為線性可分的問題.

    在訓(xùn)練分類模型之前,為防止尺度較大的數(shù)據(jù)對結(jié)果產(chǎn)生偏差,需要將數(shù)據(jù)進行標準化處理,其過程如式(1)所示:

    SVM 在訓(xùn)練結(jié)束后會產(chǎn)生一個分類模型,分類模型可以用式(2)和式(3)來表示:

    本文只考慮采用高斯函數(shù)作為核函數(shù),即:

    如果使用明文數(shù)據(jù),分類模型將使用式(5)對未分類的數(shù)據(jù)進行分類.為了滿足在密文下進行計算的要求,將在下一節(jié)重新表述式(5),它將在不影響分類性能的前提下保護數(shù)據(jù)、模型參數(shù)和分類結(jié)果的隱私.

    1.2 Pailler 加密方案

    1)加法同態(tài)屬性:

    2)同態(tài)標量乘屬性:

    1.3 二維滯后復(fù)Logistic 映射

    二維滯后復(fù)Logistic 映射的數(shù)學(xué)表達如式(8)所示:

    其中,ωn=xn+jyn為復(fù)變量;xn,yn,zn為實變量;a,b 均系統(tǒng)參數(shù)且b>0.

    將ωn的實部和虛部分開表示可以得到式(9):

    2 系統(tǒng)模型和設(shè)計目標

    本章將詳細描述系統(tǒng)模型和威脅模型,并確定設(shè)計目標.

    2.1 系統(tǒng)架構(gòu)

    本文考慮在云計算環(huán)境中的隱私保護SVM 分類模型,如圖1 所示.由于服務(wù)商本地的通信和計算能力有限,事先便將用于訓(xùn)練的明文數(shù)據(jù)委托給受服務(wù)商信任的一個服務(wù)器,被稱為模型服務(wù)器(model server,MS),為用戶提供可靠的在線分類任務(wù).MS 在訓(xùn)練過程中使用未加密的數(shù)據(jù)進行訓(xùn)練,使訓(xùn)練后的分類模型可以處理不同的測試數(shù)據(jù).因此,用戶端可以將加密后的密文數(shù)據(jù)集應(yīng)用于該分類模型.在此過程中分類模型只需進行一次訓(xùn)練,可以減少處理時間.

    圖1 系統(tǒng)架構(gòu)Fig.1 System architecture

    假設(shè)用戶端向MS 和云服務(wù)器(cloud server,CS)發(fā)送請求后,CS 能夠產(chǎn)生密鑰對(pk,sk),其中,pk表示公鑰,分發(fā)給MS 和用戶端;sk 表示私鑰,由CS 獨自保管.然后,用戶端加密明文數(shù)據(jù)集合D 得到密文數(shù)據(jù)集合并發(fā)送給MS.最后,MS 與CS 在密文數(shù)據(jù)集合上協(xié)同計算分類結(jié)果.但是由于用戶端無法訪問私鑰sk,MS 將含噪聲的密文分類結(jié)果交給CS 解密,并將相應(yīng)的噪聲發(fā)送給用戶端.CS 解密后將含噪聲的明文分類結(jié)果發(fā)送給用戶端,用戶端減去噪聲得到最終的分類結(jié)果.

    需要注意的是,由于用戶數(shù)據(jù)存在隱私信息,用戶端將保存明文集合D 的副本,分類結(jié)果與明文數(shù)據(jù)副本進行匹配.

    2.2 威脅模型

    在本文中,假設(shè)MS、CS 和用戶端都是潛在的威脅,它們都是半誠實系統(tǒng),也就是說它們將嚴格遵循協(xié)議的執(zhí)行,但是會試圖在分類過程中找出其他私有信息.另外,在本文中假設(shè)兩個服務(wù)器不會進行合謀攻擊,即這兩個服務(wù)器不會串通在一起,試圖打探用戶端的隱私數(shù)據(jù).這種使用兩個云服務(wù)器的非共謀模型在文獻[19-20]中得以應(yīng)用,并且模型在現(xiàn)實中可以實現(xiàn),這是因為兩個服務(wù)器在現(xiàn)實中是屬于不同的公司,一旦發(fā)現(xiàn)雙方存在共謀,便會產(chǎn)生十分惡劣的影響.最后,假設(shè)CS 不會和用戶端相互勾結(jié),試圖尋找模型參數(shù).

    2.3 設(shè)計目標

    基于系統(tǒng)模型和威脅模型,設(shè)計目標包含下面兩個部分:

    1)安全:系統(tǒng)模型中各方都是半誠實的系統(tǒng),因此,系統(tǒng)模型中各方的安全性需要保護.既需要保護用戶端的明文數(shù)據(jù)集合D 和分類結(jié)果不會透漏給CS,同時也應(yīng)當(dāng)保護模型參數(shù)不會被用戶端獲得.

    2)效率:由于用戶端的計算和通信能力不足,因此,在整個分類過程中應(yīng)當(dāng)盡可能減小用戶端的計算和通信過程,即希望用戶端在加密數(shù)據(jù)時使用的加密算法的計算過程較少,并且在接收分類結(jié)果之前,用戶端保持離線狀態(tài),無需參與分類結(jié)果的計算過程.

    3 隱私保護SVM 分類算法研究

    基于云計算的隱私保護SVM 分類算法主要包含以下幾部分:

    1)初始化.CS 生成一幅密鑰對(pk,sk),并將公鑰pk 分發(fā)給模型服務(wù)器和用戶端,并將私鑰sk 保存.同時,模型服務(wù)器使用數(shù)據(jù)訓(xùn)練,得到分類模型.

    2)用戶端請求.用戶端將明文數(shù)據(jù)集D 利用2D-LCLM 進行加密生成數(shù)據(jù)集D',并向兩個服務(wù)器發(fā)送分類請求.然后將數(shù)據(jù)集D'使用公鑰pk 加密后生成密文數(shù)據(jù)集,發(fā)送給模型服務(wù)器.

    4)安全返回分類結(jié)果.用戶端接收到MS 和CS的項目后進行處理并得到最終分類結(jié)果.

    本文所提算法方案中使用的符號如表1 所示,同時基于云計算的隱私保護SVM 分類方案的主要過程如算法1 所示.

    表1 符號Table 1 Notations

    3.1 初始化

    在初始化階段,CS 將選取安全參數(shù)φ,并通過Paillier 密碼系統(tǒng)用以產(chǎn)生密鑰對(pk,sk).并將公鑰pk 分發(fā)給模型服務(wù)器和用戶端.同時模型服務(wù)器使用式(1)標準化后的數(shù)據(jù)進行訓(xùn)練,得到分類模型.

    值得注意的是,訓(xùn)練數(shù)據(jù)無需加密,只用于構(gòu)建SVM 模型,任何用戶都可以直接使用,但用戶數(shù)據(jù)必須進行加密后再進行分類.

    3.2 用戶端請求

    用戶端在本地使用將明文數(shù)據(jù)集進行混沌加密生成數(shù)據(jù)集D',并將D'使用CS 分發(fā)的公鑰pk 進行加密后生成密文數(shù)據(jù)集并發(fā)送給MS.

    如算法2 所示,用戶端選取式(9)中的參數(shù)初始值X1,Y1,Z1,并按式(9)生成與明文數(shù)據(jù)集中元素個數(shù)相同的一維偽隨機數(shù)列X,Y,Z,并計算其累計平均值獲得混沌序列e,再將e 按照D 的維度進行分維,生成混沌矩陣e'.然后,將混沌矩陣e'中的每行數(shù)據(jù)按照數(shù)據(jù)的大小進行排序,得到位置矩陣CM.最后,再將明文數(shù)據(jù)D 按照位置矩陣CM的位置索引進行重新排列生成數(shù)據(jù)集D',用戶端再將D'使用公鑰pk 進行加密,并將密文矩陣發(fā)送給MS,明文數(shù)據(jù)D 進行加密的具體過程如圖2 所示.

    圖2 數(shù)據(jù)混沌置亂Fig.2 Chaotic scrambling of data

    3.3 在線分類

    MS 和CS 接收到用戶端的分類請求后,將協(xié)同運行分類算法并計算分類結(jié)果,主要包括:1)安全計算決策函數(shù);2)安全計算分類函數(shù);3)安全返回分類結(jié)果.

    3.3.1 安全計算決策函數(shù)

    當(dāng)γ>0 時,式(5)和式(10)具有相同的結(jié)果,故若γ 足夠大(如γ>106),則量化變量前后的結(jié)果近似相等:

    3.3.2 安全計算分類結(jié)果

    3.4 安全返回分類結(jié)果

    4 分析與評估

    4.1 安全性分析

    4.1.1 抗半誠實攻擊

    根據(jù)威脅模型(第2.2 節(jié))所提到的,MS、CS 和用戶端都是潛在的攻擊者,因為它們都是半誠實的系統(tǒng),即它們在嚴格按協(xié)議執(zhí)行的同時,也會試圖根據(jù)計算的中間結(jié)果來推測額外的信息.簡而言之,本文所提方案對MS 保留隱私,因為MS 所擁有的數(shù)據(jù)都是語義安全下的密文,而CS 獲得的信息要么是偽隨機值,要么是隨機值,也不會泄露隱私.而且在本方案中,用戶端只需要在本地進行混沌加密并向云端發(fā)送請求,最后從云端接收噪聲r 和含有噪聲的分類結(jié)果.用戶沒有在分類過程中與云端產(chǎn)生交互,用戶端無法了解模型參數(shù)或其他中間結(jié)果.

    4.1.2 抗共謀攻擊

    相比于單純的半誠實攻擊,CS 可以與用戶端進行合作,利用用戶的樣本數(shù)據(jù)和最終分類結(jié)果來推測中間結(jié)果和分類模型參數(shù).如算法5 所示,CS 根據(jù)接收到中間結(jié)果和最終的分類結(jié)果能夠計算出決策函數(shù)的值,但無法獲知更多的信息,這種隱藏數(shù)據(jù)訪問模式極大地保護MS 的隱私.正如威脅模型(第2.2節(jié))所提到的,兩個服務(wù)器之間不會共謀損害用戶的利益來獲得額外的信息,因為一旦發(fā)現(xiàn),帶來的后果極為嚴重.通過上述分析,本文的方案可以抵抗各方的共謀攻擊.

    4.2 實驗結(jié)果及分析

    本節(jié)用實驗來分析所提出方案的性能,比較所提出的方案與傳統(tǒng)SVM 分類算法的準確性.實驗均在Intel Core i7-8700 3.20 GHz 和8 RAM 的Windows系統(tǒng)上運行,并使用Python 3.8.13 編程語言.

    4.2.1 數(shù)據(jù)集選取

    采用和鯨中的Credit Card Fraud Detection 數(shù)據(jù)集用于測試密文域下SVM 模型.該數(shù)據(jù)集共包含284 807 條經(jīng)主成分分析法處理后的數(shù)據(jù),其中,僅包含492 條欺詐數(shù)據(jù),直接使用這種不平衡的數(shù)據(jù)集會導(dǎo)致嚴重的過擬合.本文通過SMOTE 算法進行上采樣,然后從平衡后的數(shù)據(jù)中隨機選取680 條數(shù)據(jù)作為本次的數(shù)據(jù)集,其中,476 條(70%)數(shù)據(jù)用作訓(xùn)練集,204 條(30%)數(shù)據(jù)用作測試集.

    4.2.2 實驗結(jié)果

    測試的目的是比較應(yīng)用于加密數(shù)據(jù)的改進SVM模型和應(yīng)用于未加密數(shù)據(jù)的傳統(tǒng)SVM 模型的性能,即評估改進后的SVM 模型是否建立正確,以及在加密數(shù)據(jù)上應(yīng)用SVM 模型是否會降低其性能.

    表2 展示了每個場景分類的準確性,其中,TP 表示真正例,FP 表示假正例,FN 表示假反例,TN 表示真正例.由表2 可知,對29 個屬性未加密數(shù)據(jù)的分類正確率為96.5%,其中,TP 為136,FP 為6,FN 為1,TN 為61;對29 個屬性加密數(shù)據(jù)的分類正確率為93.1%,其中,TP 為132,FP 為11,FN 為5,TN 為58.從表2 中可以得知,對已加密數(shù)據(jù)分類的正確率比對未加密數(shù)據(jù)分類的正確率下降了3.4%,這是因為2D-LCLM 和Paillier 加密方案僅支持整數(shù)型運算會產(chǎn)生部分計算誤差,但數(shù)據(jù)的安全性得到了顯著提升,因此,正確率的降低處于可接受范圍.

    表2 未加密數(shù)據(jù)和加密數(shù)據(jù)分類的正確率Table 2 The classification accuracy of unencrypted data and encrypted data

    表3 從準確率、召回率和F1 分數(shù)3 部分對分類模型對未加密數(shù)據(jù)和已加密數(shù)據(jù)進行分類性能分析.從表3 中得知,在兩種類型的數(shù)據(jù)上準確率均在93%以上.與未加密數(shù)據(jù)的分類結(jié)果進行對比,已加密數(shù)據(jù)的分類結(jié)果為正常的召回率達到96%,且對分類結(jié)果為異常的召回率為86%.另外,未加密數(shù)據(jù)中分類結(jié)果為正常和異常的F1 分數(shù)分別為97%和94%,已加密數(shù)據(jù)中分類結(jié)果為正常和異常的F1 分數(shù)分別為95%和90%.

    表3 分類模型在未加密和加密數(shù)據(jù)上的性能比較Table 3 The performance comparison of classification model on unencrypted and encrypted data

    4.2.3 結(jié)果分析

    根據(jù)評估結(jié)果,該模型在加密數(shù)據(jù)上具有較好的效果.這體現(xiàn)在所有性能測量的數(shù)值上,即正確率、準確率、召回率和F1 分數(shù)上.該模型對已加密數(shù)據(jù)分類的正確率為93.1%,對已加密數(shù)據(jù)中分類結(jié)果為正常的準確率為93%,召回率為96%和F1 分數(shù)為95%,對已加密數(shù)據(jù)中分類結(jié)果異常的準確率為93%,召回率為86%,F1 分數(shù)為90%.這表明該模型在加密數(shù)據(jù)上具有良好的分類能力,并且與SVM 模型在未加密數(shù)據(jù)上的性能相差較小.

    對于分類結(jié)果為異常的召回率比分類結(jié)果為正常的召回率大約低10%.這意味著分類異常的能力小于分類正常的能力,但此為正?,F(xiàn)象.因為標記為正常的數(shù)據(jù)記錄數(shù)量(296 個)遠多于標記為異常的數(shù)據(jù)記錄數(shù)量(180 個).

    此外,該模型可以針對不同加密的測試數(shù)據(jù)使用相同的分類器,而不需要使用CS 的公鑰再次對訓(xùn)練數(shù)據(jù)進行加密并訓(xùn)練分類模型,這極大減少了完成整個分類過程的時間.

    5 結(jié)論

    本文建立了一個基于云模型的隱私保護SVM 分類模型.測試數(shù)據(jù)采用2D-LCLM 和Paillier 加密方案進行加密,并對訓(xùn)練過程中得到的分類模型進行了修改以適應(yīng)數(shù)據(jù)加密的要求.

    該方案既能保護用戶端的明文數(shù)據(jù)和分類結(jié)果,又能防止其他方學(xué)習(xí)分類模型參數(shù).該模型的性能與應(yīng)用于未加密數(shù)據(jù)的傳統(tǒng)SVM 模型的性能相當(dāng),并且本方案的思想和框架也可以用于其他需要隱私保護的機器學(xué)習(xí)任務(wù)中,例如聚類和回歸等,因此,該方案具有較高的實際應(yīng)用價值.但目前本方案只適用于小樣本,當(dāng)測試數(shù)據(jù)較多時,存在著處理時間較長、計算成本和通信成本較大的問題.在未來的工作中,將考慮模型的計算和通信成本,研究和整合更有效的方法優(yōu)化分類功能.

    猜你喜歡
    用戶端明文加密
    基于改進支持向量機的用戶端用電負荷預(yù)測研究
    Android用戶端東北地區(qū)秸稈焚燒點監(jiān)測系統(tǒng)開發(fā)與應(yīng)用
    一種基于熵的混沌加密小波變換水印算法
    奇怪的處罰
    基于三層結(jié)構(gòu)下機房管理系統(tǒng)的實現(xiàn)分析
    智富時代(2017年10期)2017-11-22 17:06:23
    一種太陽能戶外自動花架電氣系統(tǒng)簡介
    奇怪的處罰
    認證加密的研究進展
    四部委明文反對垃圾焚燒低價競爭
    成人国语在线视频| 国产精品免费一区二区三区在线| 国产精品久久久久久人妻精品电影| 后天国语完整版免费观看| 亚洲欧美精品综合久久99| 中文字幕av电影在线播放| 亚洲 欧美 日韩 在线 免费| 久久亚洲精品不卡| 一边摸一边抽搐一进一小说| svipshipincom国产片| 少妇熟女aⅴ在线视频| 国产av在哪里看| 99精品欧美一区二区三区四区| 国产精品久久久久久人妻精品电影| 精品无人区乱码1区二区| 精品国内亚洲2022精品成人| 12—13女人毛片做爰片一| 亚洲第一青青草原| 高清毛片免费观看视频网站| 91老司机精品| 免费在线观看影片大全网站| 亚洲精品美女久久av网站| 亚洲五月婷婷丁香| 久久青草综合色| 精品一区二区三区视频在线观看免费| www日本黄色视频网| 此物有八面人人有两片| 亚洲国产精品久久男人天堂| xxx96com| 精品国产乱子伦一区二区三区| 可以在线观看毛片的网站| 精品高清国产在线一区| 一级毛片精品| 亚洲午夜理论影院| 亚洲自偷自拍图片 自拍| 成人永久免费在线观看视频| 搞女人的毛片| 亚洲人成网站在线播放欧美日韩| 老熟妇仑乱视频hdxx| 国产野战对白在线观看| 久久天堂一区二区三区四区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产熟女午夜一区二区三区| 99在线视频只有这里精品首页| 成人三级做爰电影| 欧美绝顶高潮抽搐喷水| 国产精品综合久久久久久久免费| 国产主播在线观看一区二区| 日韩av在线大香蕉| 99久久综合精品五月天人人| 少妇熟女aⅴ在线视频| 精华霜和精华液先用哪个| 制服丝袜大香蕉在线| 国产区一区二久久| 国产精品国产高清国产av| 一级a爱片免费观看的视频| 亚洲九九香蕉| 一卡2卡三卡四卡精品乱码亚洲| 亚洲va日本ⅴa欧美va伊人久久| 日韩成人在线观看一区二区三区| 18禁美女被吸乳视频| 狂野欧美激情性xxxx| 欧美性长视频在线观看| 婷婷六月久久综合丁香| 亚洲成av人片免费观看| 中文字幕高清在线视频| 亚洲国产毛片av蜜桃av| 国产精品久久久久久人妻精品电影| 国产激情久久老熟女| 国产精品99久久99久久久不卡| 国产高清激情床上av| 日本 欧美在线| 国产高清videossex| 日本成人三级电影网站| 亚洲精品美女久久久久99蜜臀| 后天国语完整版免费观看| 亚洲 欧美一区二区三区| 日韩免费av在线播放| 国产精品爽爽va在线观看网站 | 高潮久久久久久久久久久不卡| 999精品在线视频| 亚洲精品国产精品久久久不卡| 久99久视频精品免费| 99国产精品99久久久久| 人人妻,人人澡人人爽秒播| 搡老岳熟女国产| 夜夜躁狠狠躁天天躁| 特大巨黑吊av在线直播 | www日本在线高清视频| 老司机靠b影院| 成人国产一区最新在线观看| 91字幕亚洲| 久久狼人影院| 18禁国产床啪视频网站| 亚洲精品国产精品久久久不卡| 国产精品久久久久久人妻精品电影| 久久久久国内视频| 香蕉国产在线看| 97超级碰碰碰精品色视频在线观看| 可以免费在线观看a视频的电影网站| 在线播放国产精品三级| 中文字幕最新亚洲高清| 亚洲一区二区三区不卡视频| 亚洲第一av免费看| 后天国语完整版免费观看| 国产精品野战在线观看| 国产精品香港三级国产av潘金莲| 制服诱惑二区| 91九色精品人成在线观看| 丁香欧美五月| 欧美性猛交黑人性爽| 在线看三级毛片| 一本大道久久a久久精品| 啦啦啦免费观看视频1| 69av精品久久久久久| 国产人伦9x9x在线观看| 男人舔奶头视频| 制服丝袜大香蕉在线| 亚洲avbb在线观看| 一边摸一边做爽爽视频免费| 久久久精品欧美日韩精品| 可以免费在线观看a视频的电影网站| 曰老女人黄片| 欧美激情极品国产一区二区三区| 非洲黑人性xxxx精品又粗又长| 又黄又粗又硬又大视频| 草草在线视频免费看| 高清毛片免费观看视频网站| 中文资源天堂在线| 91麻豆精品激情在线观看国产| 国产色视频综合| 99国产精品99久久久久| 婷婷六月久久综合丁香| 三级毛片av免费| 搞女人的毛片| 国产精品一区二区三区四区久久 | 日本成人三级电影网站| 欧美性猛交╳xxx乱大交人| 亚洲av电影不卡..在线观看| 99久久久亚洲精品蜜臀av| 极品教师在线免费播放| 美女扒开内裤让男人捅视频| 国产精品综合久久久久久久免费| 日本免费a在线| 亚洲第一电影网av| www.自偷自拍.com| 国产成人精品久久二区二区91| 日韩欧美国产在线观看| 国产男靠女视频免费网站| 免费观看人在逋| 1024手机看黄色片| 欧洲精品卡2卡3卡4卡5卡区| 69av精品久久久久久| 亚洲精品中文字幕一二三四区| 1024手机看黄色片| 欧美日韩亚洲国产一区二区在线观看| 日日摸夜夜添夜夜添小说| 亚洲国产精品合色在线| 亚洲中文字幕一区二区三区有码在线看 | 深夜精品福利| 大型av网站在线播放| x7x7x7水蜜桃| 精品一区二区三区av网在线观看| 激情在线观看视频在线高清| 午夜福利在线在线| 日韩欧美三级三区| 国产亚洲精品久久久久5区| bbb黄色大片| 国产成人精品久久二区二区免费| 色综合亚洲欧美另类图片| 黄片大片在线免费观看| 老司机深夜福利视频在线观看| 一区二区日韩欧美中文字幕| 97超级碰碰碰精品色视频在线观看| 欧美日韩精品网址| 黑丝袜美女国产一区| 美女扒开内裤让男人捅视频| 欧美一区二区精品小视频在线| 免费女性裸体啪啪无遮挡网站| 天堂影院成人在线观看| 在线视频色国产色| 久久久久九九精品影院| 欧美性长视频在线观看| 亚洲熟妇中文字幕五十中出| 日韩欧美在线二视频| 久久久久久人人人人人| 国产高清有码在线观看视频 | 女人爽到高潮嗷嗷叫在线视频| 久久99热这里只有精品18| 女警被强在线播放| 熟女电影av网| 久久精品国产亚洲av高清一级| 亚洲人成网站高清观看| 亚洲精品久久成人aⅴ小说| 国产熟女午夜一区二区三区| 美女国产高潮福利片在线看| 琪琪午夜伦伦电影理论片6080| 亚洲精品国产一区二区精华液| 成人av一区二区三区在线看| 中国美女看黄片| 国产99久久九九免费精品| 国产野战对白在线观看| 国产色视频综合| 超碰成人久久| 国产一区二区在线av高清观看| 成年女人毛片免费观看观看9| 欧美三级亚洲精品| 国产精品自产拍在线观看55亚洲| 日韩一卡2卡3卡4卡2021年| 国产精品久久电影中文字幕| 真人一进一出gif抽搐免费| 精品一区二区三区四区五区乱码| 国产成人av激情在线播放| 不卡一级毛片| 黄片小视频在线播放| 国产精品 国内视频| 午夜成年电影在线免费观看| 老司机深夜福利视频在线观看| 少妇粗大呻吟视频| 国产91精品成人一区二区三区| 听说在线观看完整版免费高清| 51午夜福利影视在线观看| 免费在线观看黄色视频的| 窝窝影院91人妻| 一级黄色大片毛片| 男人舔女人下体高潮全视频| 国产精品av久久久久免费| 久久香蕉激情| 麻豆一二三区av精品| 午夜福利在线在线| 免费女性裸体啪啪无遮挡网站| 欧美黑人巨大hd| 亚洲国产欧美一区二区综合| 精品午夜福利视频在线观看一区| 成人永久免费在线观看视频| 中文字幕人成人乱码亚洲影| 亚洲精品中文字幕一二三四区| 久久天躁狠狠躁夜夜2o2o| 长腿黑丝高跟| 亚洲性夜色夜夜综合| www.www免费av| 久久国产精品人妻蜜桃| 手机成人av网站| 国产高清视频在线播放一区| 午夜福利一区二区在线看| 1024视频免费在线观看| svipshipincom国产片| 婷婷精品国产亚洲av| 在线视频色国产色| 成人亚洲精品一区在线观看| 可以在线观看的亚洲视频| 成人精品一区二区免费| 久久久久久九九精品二区国产 | 国产蜜桃级精品一区二区三区| aaaaa片日本免费| 亚洲精品在线美女| 中国美女看黄片| 两性午夜刺激爽爽歪歪视频在线观看 | 老汉色av国产亚洲站长工具| 日韩欧美在线二视频| 人人妻人人澡欧美一区二区| 女警被强在线播放| 身体一侧抽搐| 国产色视频综合| 欧美不卡视频在线免费观看 | 亚洲免费av在线视频| 每晚都被弄得嗷嗷叫到高潮| 日韩高清综合在线| 国产精品1区2区在线观看.| 久久中文字幕人妻熟女| 国产激情欧美一区二区| 亚洲精品美女久久久久99蜜臀| 日韩欧美在线二视频| 亚洲美女黄片视频| 午夜激情福利司机影院| 每晚都被弄得嗷嗷叫到高潮| 亚洲色图 男人天堂 中文字幕| 婷婷精品国产亚洲av| 中文字幕另类日韩欧美亚洲嫩草| 韩国av一区二区三区四区| 国产av不卡久久| 黄色丝袜av网址大全| 黄色 视频免费看| 中文字幕人成人乱码亚洲影| 亚洲午夜精品一区,二区,三区| 亚洲自拍偷在线| 欧美成人性av电影在线观看| 亚洲国产中文字幕在线视频| 欧美精品亚洲一区二区| 欧美黑人精品巨大| a级毛片在线看网站| 日本三级黄在线观看| 欧美成人午夜精品| 在线永久观看黄色视频| 成年人黄色毛片网站| 看免费av毛片| 此物有八面人人有两片| 久久中文字幕一级| 两人在一起打扑克的视频| 91老司机精品| 女人高潮潮喷娇喘18禁视频| 叶爱在线成人免费视频播放| 国产片内射在线| 亚洲第一av免费看| 免费看日本二区| 日韩精品青青久久久久久| 后天国语完整版免费观看| 日本成人三级电影网站| 午夜福利在线观看吧| 国产精品乱码一区二三区的特点| 51午夜福利影视在线观看| 91在线观看av| 极品教师在线免费播放| 久久久久免费精品人妻一区二区 | 国产97色在线日韩免费| 久久久国产欧美日韩av| 久久精品国产99精品国产亚洲性色| 日韩精品青青久久久久久| 午夜精品久久久久久毛片777| 亚洲国产高清在线一区二区三 | 在线十欧美十亚洲十日本专区| 国产一区二区三区在线臀色熟女| 波多野结衣巨乳人妻| 天堂√8在线中文| 国产在线精品亚洲第一网站| 日韩欧美三级三区| 淫妇啪啪啪对白视频| 免费电影在线观看免费观看| 欧美久久黑人一区二区| 欧美黄色片欧美黄色片| 黄片播放在线免费| 99精品欧美一区二区三区四区| 中文在线观看免费www的网站 | 欧美成人一区二区免费高清观看 | 两性午夜刺激爽爽歪歪视频在线观看 | 一二三四社区在线视频社区8| 久久性视频一级片| 日本 欧美在线| 中文字幕精品亚洲无线码一区 | 色哟哟哟哟哟哟| 国产亚洲欧美在线一区二区| 国产精品 欧美亚洲| 91成人精品电影| 亚洲一卡2卡3卡4卡5卡精品中文| 婷婷精品国产亚洲av| 久久精品国产清高在天天线| 无人区码免费观看不卡| 亚洲va日本ⅴa欧美va伊人久久| 日韩欧美一区视频在线观看| 好男人在线观看高清免费视频 | 黄色视频不卡| 免费在线观看黄色视频的| 国产精品国产高清国产av| 亚洲中文av在线| 校园春色视频在线观看| 狂野欧美激情性xxxx| 亚洲欧美激情综合另类| 超碰成人久久| 亚洲中文av在线| 欧美成人免费av一区二区三区| 欧美亚洲日本最大视频资源| 嫩草影院精品99| 国产精品永久免费网站| 2021天堂中文幕一二区在线观 | 精品久久久久久久人妻蜜臀av| 波多野结衣av一区二区av| 午夜精品在线福利| 在线观看舔阴道视频| 最好的美女福利视频网| 久久久久九九精品影院| 99久久99久久久精品蜜桃| 国产精品香港三级国产av潘金莲| 国产熟女午夜一区二区三区| av电影中文网址| 亚洲熟妇中文字幕五十中出| 久久草成人影院| 变态另类成人亚洲欧美熟女| 变态另类丝袜制服| 亚洲欧美精品综合久久99| 欧美一区二区精品小视频在线| 搡老妇女老女人老熟妇| 久久久久久久久中文| 天天添夜夜摸| 国产精品乱码一区二三区的特点| 一级片免费观看大全| 国产乱人伦免费视频| 老司机午夜十八禁免费视频| 一区二区三区激情视频| 一本一本综合久久| 老司机靠b影院| 久久香蕉激情| 波多野结衣高清无吗| xxxwww97欧美| 午夜福利欧美成人| 欧美大码av| 丰满的人妻完整版| 国内精品久久久久精免费| 日韩三级视频一区二区三区| netflix在线观看网站| 俄罗斯特黄特色一大片| 成人国产综合亚洲| 日韩大码丰满熟妇| 一区二区三区高清视频在线| 国产日本99.免费观看| 好男人电影高清在线观看| 亚洲欧美激情综合另类| 欧美在线黄色| 午夜久久久久精精品| 99精品欧美一区二区三区四区| 免费观看精品视频网站| 天天添夜夜摸| 激情在线观看视频在线高清| 高清毛片免费观看视频网站| 国产爱豆传媒在线观看 | 色播在线永久视频| 国产黄色小视频在线观看| 美女国产高潮福利片在线看| 嫁个100分男人电影在线观看| 老汉色∧v一级毛片| 亚洲成人久久爱视频| 女人高潮潮喷娇喘18禁视频| 一卡2卡三卡四卡精品乱码亚洲| 一a级毛片在线观看| 日本在线视频免费播放| 亚洲成av片中文字幕在线观看| 日日爽夜夜爽网站| 精品国产乱码久久久久久男人| 亚洲国产精品合色在线| 大香蕉久久成人网| 亚洲全国av大片| 国产区一区二久久| 国产高清激情床上av| 制服人妻中文乱码| 久久久久久久午夜电影| 亚洲自偷自拍图片 自拍| 男女视频在线观看网站免费 | 国产私拍福利视频在线观看| 久久香蕉精品热| 中文字幕高清在线视频| 草草在线视频免费看| 女人被狂操c到高潮| 日本黄色视频三级网站网址| 亚洲国产精品成人综合色| 成人永久免费在线观看视频| 欧美性猛交黑人性爽| 人妻丰满熟妇av一区二区三区| 黄色女人牲交| 欧美日韩亚洲国产一区二区在线观看| 人人妻人人澡欧美一区二区| 黄色片一级片一级黄色片| 亚洲 欧美 日韩 在线 免费| 在线观看午夜福利视频| 国产精品免费视频内射| 最近最新中文字幕大全免费视频| 国产亚洲精品av在线| 女性生殖器流出的白浆| 精品国产乱子伦一区二区三区| 久久天堂一区二区三区四区| 亚洲第一电影网av| 久热这里只有精品99| 国产成人av激情在线播放| 一个人免费在线观看的高清视频| 757午夜福利合集在线观看| 日韩大码丰满熟妇| 欧美+亚洲+日韩+国产| 久久久久国产一级毛片高清牌| 色综合亚洲欧美另类图片| 国产99久久九九免费精品| 俄罗斯特黄特色一大片| 久久国产精品影院| 免费在线观看黄色视频的| 国产成人系列免费观看| 国产aⅴ精品一区二区三区波| 国产午夜精品久久久久久| 欧美乱色亚洲激情| 又大又爽又粗| 嫩草影视91久久| 成熟少妇高潮喷水视频| 亚洲久久久国产精品| 亚洲国产日韩欧美精品在线观看 | 少妇熟女aⅴ在线视频| 一边摸一边抽搐一进一小说| 日韩中文字幕欧美一区二区| 色精品久久人妻99蜜桃| 少妇 在线观看| 日韩高清综合在线| 婷婷精品国产亚洲av| 母亲3免费完整高清在线观看| 成人永久免费在线观看视频| 91成年电影在线观看| 久久 成人 亚洲| 国产午夜精品久久久久久| 午夜免费鲁丝| 亚洲成av片中文字幕在线观看| xxx96com| 久久久久久久久久黄片| 91老司机精品| av有码第一页| 韩国av一区二区三区四区| 久久久精品欧美日韩精品| 亚洲中文日韩欧美视频| 亚洲av日韩精品久久久久久密| 国产激情偷乱视频一区二区| 久久香蕉国产精品| 一级毛片精品| 色综合站精品国产| 男男h啪啪无遮挡| 亚洲狠狠婷婷综合久久图片| 9191精品国产免费久久| 黄色视频,在线免费观看| 亚洲一区二区三区不卡视频| 国产伦人伦偷精品视频| 亚洲自偷自拍图片 自拍| 国产成人影院久久av| 韩国精品一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 国产精品久久久久久精品电影 | 精品无人区乱码1区二区| 国产精品一区二区精品视频观看| 精品久久久久久久毛片微露脸| 亚洲在线自拍视频| 两个人免费观看高清视频| 精品欧美一区二区三区在线| 亚洲自拍偷在线| 国产视频内射| 最好的美女福利视频网| 国产精品亚洲av一区麻豆| 97人妻精品一区二区三区麻豆 | 亚洲最大成人中文| 久久精品国产亚洲av高清一级| www日本在线高清视频| 亚洲一码二码三码区别大吗| 手机成人av网站| 精品久久久久久久末码| 少妇 在线观看| 国产精华一区二区三区| 国产成人欧美| 中文字幕人妻熟女乱码| 91字幕亚洲| 两人在一起打扑克的视频| 亚洲第一av免费看| 国产成人啪精品午夜网站| 色综合亚洲欧美另类图片| 九色国产91popny在线| 波多野结衣高清作品| 窝窝影院91人妻| 一夜夜www| 亚洲精品国产区一区二| 午夜福利成人在线免费观看| 久久久久久国产a免费观看| 国产精品一区二区精品视频观看| 美女 人体艺术 gogo| 精品国产美女av久久久久小说| 国产亚洲精品综合一区在线观看 | 久久久久久久久免费视频了| 免费女性裸体啪啪无遮挡网站| 亚洲中文字幕一区二区三区有码在线看 | 嫩草影院精品99| 熟女电影av网| 免费看日本二区| 99在线人妻在线中文字幕| 白带黄色成豆腐渣| 三级毛片av免费| 亚洲激情在线av| 又黄又粗又硬又大视频| 欧美人与性动交α欧美精品济南到| 免费看a级黄色片| 高清在线国产一区| 欧美日韩亚洲综合一区二区三区_| 国产午夜福利久久久久久| 久久久久国产一级毛片高清牌| 19禁男女啪啪无遮挡网站| 国产精品1区2区在线观看.| 99久久精品国产亚洲精品| 国产主播在线观看一区二区| 亚洲av片天天在线观看| 国产精华一区二区三区| 久久国产精品男人的天堂亚洲| 日日爽夜夜爽网站| 免费看十八禁软件| 日韩成人在线观看一区二区三区| 国产99久久九九免费精品| 亚洲五月天丁香| 男人舔女人的私密视频| 欧美大码av| 亚洲七黄色美女视频| 好男人电影高清在线观看| 中文在线观看免费www的网站 | 亚洲欧美精品综合久久99| 国产亚洲欧美在线一区二区| 亚洲人成网站在线播放欧美日韩| 欧美丝袜亚洲另类 | 亚洲国产毛片av蜜桃av| 日日夜夜操网爽| 午夜福利在线观看吧| 久久久国产欧美日韩av| 窝窝影院91人妻| 这个男人来自地球电影免费观看| 美女大奶头视频| 99国产精品99久久久久| 高清毛片免费观看视频网站| 久久国产精品男人的天堂亚洲| 中文字幕高清在线视频| 久久性视频一级片| 亚洲片人在线观看| 国产熟女xx| 国产熟女午夜一区二区三区| 丰满的人妻完整版| 亚洲va日本ⅴa欧美va伊人久久| bbb黄色大片| 亚洲,欧美精品.| 曰老女人黄片| 国产97色在线日韩免费| 国产一区二区在线av高清观看| 久久香蕉精品热|