• <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 ?

    基于無監(jiān)督學(xué)習的軟件定義網(wǎng)絡(luò)異常流量檢測技術(shù)

    2024-08-22 00:00:00翁建勛
    科技創(chuàng)新與應(yīng)用 2024年24期

    摘 要:軟件定義網(wǎng)絡(luò)中存在多種不同類型的異常流量,高維數(shù)的異常流量需要大量的數(shù)據(jù)進行訓(xùn)練和檢測,異常流量難以被準確提取,導(dǎo)致軟件定義網(wǎng)絡(luò)異常流量難以精準檢測。為此,該研究基于無監(jiān)督學(xué)習的軟件定義網(wǎng)絡(luò)異常流量檢測技術(shù),提升軟件定義網(wǎng)絡(luò)的運行安全性。利用無監(jiān)督學(xué)習方法中的自編碼器方法,通過壓縮網(wǎng)絡(luò)和檢測網(wǎng)絡(luò)2部分檢測軟件定義網(wǎng)絡(luò)異常流量。壓縮網(wǎng)絡(luò)部分采用收縮自編碼技術(shù),通過調(diào)節(jié)重構(gòu)誤差的損失函數(shù),對軟件定義網(wǎng)絡(luò)流量特征實施降維處理;將降維處理后的軟件定義網(wǎng)絡(luò)流量特征,輸入條件生成對抗網(wǎng)絡(luò)-長短時記憶網(wǎng)絡(luò)模型中,該模型利用生成器生成軟件定義網(wǎng)絡(luò)流量樣本,作為判別器訓(xùn)練的依據(jù),利用完成訓(xùn)練的判別器,輸出軟件定義網(wǎng)絡(luò)異常流量檢測結(jié)果。實驗結(jié)果表明,該方法在迭代次數(shù)接近150次時,重構(gòu)誤差穩(wěn)定至0.01左右,該方法能夠有效檢測軟件定義網(wǎng)絡(luò)受到不同類型的攻擊造成的流量異常情況,及時發(fā)出告警,異常流量檢測精度為98.98%。

    關(guān)鍵詞:無監(jiān)督學(xué)習;軟件定義網(wǎng)絡(luò);異常流量檢測;壓縮網(wǎng)絡(luò);收縮自編碼;判別器

    中圖分類號:TP393 文獻標志碼:A 文章編號:2095-2945(2024)24-0032-07

    Abstract: There are many different types of abnormal traffic in software-defined network, high-dimensional abnormal traffic needs a lot of data for training and detection, abnormal traffic is difficult to be extracted accurately, so it is difficult to accurately detect abnormal traffic in software-defined network. For this reason, the software-defined network abnormal traffic detection technology based on unsupervised learning is studied to improve the operational security of the software-defined network. By using the self-encoder method of unsupervised learning method, the abnormal network traffic defined by software is detected by compressing the network and detecting the network. The shrinking self-coding technology is adopted in the compressed network part, and the dimensionality reduction of the software-defined network traffic characteristics is implemented by adjusting the loss function of the reconstruction error. After the dimensionality reduction, the software defines the network traffic characteristics, and the input condition generates the countermeasure network-short-term memory network model. The model uses the generator to generate the software-defined network traffic sample as the basis for the discriminator training. The discriminator that completes the training is used to output the abnormal network traffic detection results of the software definition. The experimental results show that when the number of iterations is close to 150, the reconstruction error is stable to about 0.01. This method can effectively detect the traffic anomalies caused by different types of attacks on the software-defined network, and issue alarms in time, so that the accuracy of abnormal traffic detection is 98.98%.

    Keywords: unsupervised learning; software-defined network; abnormal traffic detection; compressed network; shrinking self-coding; discriminator

    隨著信息技術(shù)的迅猛發(fā)展,網(wǎng)絡(luò)安全事故頻發(fā),隱私保護與數(shù)據(jù)安全成為研究熱點。軟件定義網(wǎng)絡(luò)(SDN)因其靈活性、可編程性和可擴展性,在提升網(wǎng)絡(luò)性能的同時,也暴露了更多被攻擊的風險。因此,SDN中的異常流量檢測成為通信網(wǎng)絡(luò)安全的重要研究課題。

    傳統(tǒng)有監(jiān)督異常檢測方法依賴于大量標記樣本,難以應(yīng)對未標記或新出現(xiàn)的異常流量。而無監(jiān)督學(xué)習方法無需事先標記數(shù)據(jù),能自動學(xué)習數(shù)據(jù)內(nèi)在規(guī)律,有效彌補這一不足。常用的無監(jiān)督學(xué)習算法包括聚類、自編碼器和生成對抗網(wǎng)絡(luò)(GAN),它們在異常流量檢測中展現(xiàn)出巨大潛力。然而,單一無監(jiān)督學(xué)習算法在SDN異常流量檢測中往往忽視時間因素,影響檢測效果。無監(jiān)督學(xué)習算法的優(yōu)勢在于無需特征提取,能自動挖掘未標記數(shù)據(jù)中的異常模式,有效應(yīng)對高維數(shù)據(jù)帶來的挑戰(zhàn)。特別地,自編碼器因其強大的數(shù)據(jù)重構(gòu)能力,在異常檢測中表現(xiàn)突出。

    現(xiàn)有研究如Mahfouz等利用機器學(xué)習算法檢測網(wǎng)絡(luò)異常流量,通過博弈論與網(wǎng)絡(luò)安全數(shù)據(jù)集驗證其有效性,提升了檢測速度和準確性;Muhuri等結(jié)合長短時記憶網(wǎng)絡(luò)與遺傳算法,實現(xiàn)了異常流量的高效檢測;Nakashima等則通過特征選擇優(yōu)化檢測過程,減少特征數(shù)量同時提升檢測性能。這些方法雖取得一定成果,但存在特征提取復(fù)雜、實時性不足等問題。

    針對上述問題,本文聚焦于基于無監(jiān)督學(xué)習的SDN異常流量檢測技術(shù),特別是引入自編碼器結(jié)合長短時記憶網(wǎng)絡(luò)中的生成器與判別器。該方法利用生成器的重構(gòu)誤差和判別器的分類結(jié)果,綜合判斷SDN中的異常流量,不僅提升了檢測精度,還增強了實時性。通過此技術(shù),能夠更有效地識別SDN中的未知和復(fù)雜攻擊,保障網(wǎng)絡(luò)的安全穩(wěn)定運行??傊?,本文提出的無監(jiān)督學(xué)習方法在SDN異常流量檢測中的應(yīng)用,為解決當前網(wǎng)絡(luò)安全挑戰(zhàn)提供了新的思路與解決方案。

    1 軟件定義網(wǎng)絡(luò)結(jié)構(gòu)分析

    軟件定義網(wǎng)絡(luò)是一種可編程的網(wǎng)絡(luò)結(jié)構(gòu),軟件定義網(wǎng)絡(luò)主要包括分布式轉(zhuǎn)發(fā)部分和集中式控制部分。軟件定義網(wǎng)絡(luò)將數(shù)據(jù)平面以及數(shù)據(jù)控制集中調(diào)控處理,為不同形式的編程提供接口。軟件定義網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。

    通過圖1看出,軟件定義網(wǎng)絡(luò)主要包括數(shù)據(jù)層、控制層、應(yīng)用層3部分組成。

    軟件定義網(wǎng)絡(luò)的應(yīng)用層,由2個以上的軟件定義網(wǎng)絡(luò)組成,利用軟件定義網(wǎng)絡(luò)控制設(shè)備和北向接口進行數(shù)據(jù)交換。交換過程中,利用編程方法將傳輸內(nèi)容傳送至網(wǎng)絡(luò)的控制設(shè)備中。單個軟件定義網(wǎng)絡(luò)應(yīng)用中,設(shè)置多個北向接口驅(qū)動,抽象與封裝處理軟件定義網(wǎng)絡(luò)的自身功能,將封裝后的功能,提供至北向代理接口。完成功能傳送后,將北向接口由低等級轉(zhuǎn)換至高等級。

    軟件定義網(wǎng)絡(luò)的控制層即網(wǎng)絡(luò)的控制設(shè)備。利用控制層,向軟件定義網(wǎng)絡(luò)的應(yīng)用層發(fā)送邀請,將控制平面轉(zhuǎn)換為供給應(yīng)用層與數(shù)據(jù)層的網(wǎng)絡(luò)抽象模型。利用2個以上的網(wǎng)元,組成軟件定義網(wǎng)絡(luò)的數(shù)據(jù)平面。軟件定義網(wǎng)絡(luò)的控制設(shè)備構(gòu)成軟件定義網(wǎng)絡(luò)的網(wǎng)元,軟件定義網(wǎng)絡(luò)的控制設(shè)備均設(shè)置了獨立邏輯的網(wǎng)絡(luò)器材,僅具有數(shù)據(jù)轉(zhuǎn)發(fā)以及網(wǎng)絡(luò)數(shù)據(jù)處理功能,并不具備軟件定義網(wǎng)絡(luò)的調(diào)控功能。軟件定義網(wǎng)絡(luò)的控制設(shè)備,利用控制層端口完成軟件定義網(wǎng)絡(luò)的處理功能。軟件定義網(wǎng)絡(luò)的控制層,負責網(wǎng)絡(luò)通信的靜態(tài)工作。控制層主要包括網(wǎng)元配置、軟件定義網(wǎng)絡(luò)控制設(shè)備控制、軟件定義網(wǎng)絡(luò)應(yīng)用范圍控制等功能。將軟件定義網(wǎng)絡(luò)加入數(shù)據(jù)中心網(wǎng)絡(luò)中,具有提升網(wǎng)絡(luò)不同設(shè)備間的交換便捷性,降低通信網(wǎng)絡(luò)運行成本的作用。

    2 基于自編碼器的無監(jiān)督異常流量檢測算法

    將無監(jiān)督學(xué)習方法引入軟件定義網(wǎng)絡(luò)的異常流量檢測中,網(wǎng)絡(luò)異常流量檢測的總體結(jié)構(gòu)圖如圖2所示。

    通過圖2可以看出,網(wǎng)絡(luò)異常流量檢測主要包括流量生成模塊、控制模塊及應(yīng)用模塊3部分。

    利用流量生成模塊和支持OpenFlow技術(shù)的交換機進行軟件定義網(wǎng)絡(luò)異常流量檢測的數(shù)據(jù)轉(zhuǎn)發(fā)。支持OpenFlow技術(shù)的交換機包括OpenFlow協(xié)議安全通道以及流表。對于軟件定義網(wǎng)絡(luò)中接收的通信數(shù)據(jù)包,利用交換機依據(jù)固定的匹配規(guī)則,匹配軟件定義網(wǎng)絡(luò)的流表項。利用流量生成模塊生成正常流量與異常流量,將生成的流量傳送至交換機內(nèi)。

    利用控制模塊將傳統(tǒng)交換設(shè)備中的控制部分,轉(zhuǎn)換為網(wǎng)絡(luò)操作部分。利用南向接口進行網(wǎng)絡(luò)設(shè)備的集中維護與管控,將北向編程接口提供至上層的業(yè)務(wù)與應(yīng)用部分,為軟件定義網(wǎng)絡(luò)提供更優(yōu)質(zhì)的服務(wù)水平。依據(jù)主機路徑信息或固定的通信需求,利用流表更新模塊,對網(wǎng)絡(luò)設(shè)備流表進行更新操作。

    利用應(yīng)用模塊分析軟件定義網(wǎng)絡(luò)流量,檢測軟件定義網(wǎng)絡(luò)是否出現(xiàn)由于攻擊造成的流量異常情況。應(yīng)用模塊利用流量分析模塊分析流量。利用攻擊檢測模塊分析軟件定義網(wǎng)絡(luò)的流量信息,利用無監(jiān)督學(xué)習算法判定是否產(chǎn)生攻擊。攻擊檢測模塊檢測到軟件定義網(wǎng)絡(luò)存在攻擊情況時,利用主機標識模塊確定主機位置,針對異常流量位置及時做出決策。

    自編碼器是無監(jiān)督學(xué)習方法中的重要方法,對于海量的軟件定義網(wǎng)絡(luò)流量數(shù)據(jù),具有較高的檢測性能。對軟件定義網(wǎng)絡(luò)異常流量數(shù)據(jù)進行檢測時,首先需要對軟件定義網(wǎng)絡(luò)的高維流量數(shù)據(jù)進行降維處理,將軟件定義網(wǎng)絡(luò)流量數(shù)據(jù)的高維特征映射至低維空間中,在低維空間中,進行流量樣本的異常檢測。

    基于自編碼器的軟件定義網(wǎng)絡(luò)異常流量檢測的結(jié)構(gòu)圖如圖3所示。

    通過圖3可以看出,軟件定義網(wǎng)絡(luò)異常流量檢測,主要包括流量樣本降維以及異常流量檢測兩部分。通過聯(lián)合訓(xùn)練調(diào)優(yōu)方法,處理數(shù)據(jù)降維及異常流量檢測兩部分,通過兩部分的互相約束與訓(xùn)練,令經(jīng)過降維處理后的軟件定義網(wǎng)絡(luò)流量特征,可以維持最優(yōu)狀態(tài),為后續(xù)的異常流量檢測提供高質(zhì)量的訓(xùn)練數(shù)據(jù),避免軟件定義網(wǎng)絡(luò)異常流量檢測時,陷入局部最優(yōu)解的情況。

    自編碼器的異常流量檢測技術(shù),結(jié)合收縮自編碼技術(shù)和條件生成對抗網(wǎng)絡(luò)-長短時記憶網(wǎng)絡(luò)(Conditional Generative Adversarial Net-works-Long Short Term Memory,CGAN-LSTM)模型2種無監(jiān)督學(xué)習方法,通過收縮自編碼網(wǎng)絡(luò),將軟件定義網(wǎng)絡(luò)流量特征進行降維處理,與CGAN-LSTM模型的異常檢測部分,通過端到端的聯(lián)合訓(xùn)練,獲取最終軟件定義網(wǎng)絡(luò)異常流量檢測結(jié)果。收縮自編碼網(wǎng)絡(luò),對軟件定義網(wǎng)絡(luò)流量特征進行降維處理的同時,有效去除噪音對流量樣本降維的干擾,與深度自編碼網(wǎng)絡(luò)相比,可以改善過擬合情況,提升無監(jiān)督學(xué)習算法的泛化能力。

    基于自編碼器的軟件定義網(wǎng)絡(luò)異常流量檢測,主要包括壓縮網(wǎng)絡(luò)部分和檢測網(wǎng)絡(luò)部分。對于輸入的軟件定義網(wǎng)絡(luò)流量樣本x,利用收縮自編碼器進行降維處理后,結(jié)合重構(gòu)誤差zr和低維的潛在表示zc,構(gòu)建最終的軟件定義網(wǎng)絡(luò)低維流量特征z,將低維流量特征z反饋至后續(xù)的檢測網(wǎng)絡(luò)中。檢測網(wǎng)絡(luò)利用CGAN-LSTM方法,對反饋數(shù)據(jù)進行處理,輸出異常流量檢測結(jié)果。

    2.1 收縮自編碼的軟件定義網(wǎng)絡(luò)流量特征壓縮方法

    采用收縮自編碼方法,進行軟件定義網(wǎng)絡(luò)的流量特征壓縮。收縮自編碼的編碼輸出h(x),是所提取的最終軟件定義網(wǎng)絡(luò)流量特征。收縮自編碼利用雅克比矩陣范數(shù)各元素的和,提升流量特征提取的健壯性。

    利用收縮自編碼方法構(gòu)建壓縮網(wǎng)絡(luò),收縮自編碼方法屬于正則自編碼器。為了對編碼器的導(dǎo)數(shù)進行最小化處理,將正則項添加至收縮自編碼器的編碼上。軟件定義網(wǎng)絡(luò)異常流量特征壓縮的收縮自編碼損失函數(shù)表達式如下

    式中:與分別表示輸入的軟件定義網(wǎng)絡(luò)流量樣本x的重構(gòu)表示,以及編碼器與解碼器偏置值和權(quán)重值的參數(shù)結(jié)合;?啄表示正則系數(shù);Jf(x)表示與權(quán)重相關(guān)的隱含層輸出的雅克比矩陣; 表示雅克比矩陣元素平方的和,其計算公式如下

    式中:W與hi分別表示權(quán)重矩陣以及流量樣本特征壓縮后的第i個低維表示,計算重構(gòu)誤差與計算懲罰函數(shù)的時間成本相似。

    軟件定義網(wǎng)絡(luò)異常流量樣本數(shù)據(jù)x,利用收縮自編碼器降維處理后,獲取低維表示的軟件定義網(wǎng)絡(luò)異常流量數(shù)據(jù)zc,利用收縮自編碼器的解碼器重構(gòu)zc,獲取重構(gòu)后的樣本數(shù)據(jù)。收縮自編碼器的編碼器和解碼器利用全連接神經(jīng)網(wǎng)絡(luò)構(gòu)建,選取tanh函數(shù)作為收縮自編碼器的激活函數(shù),tanh激活函數(shù)的表達式如下

    用z表示收縮自編碼器的輸出值,該輸出值包含利用收縮自編碼器學(xué)習的低維表示zc,以及通過重構(gòu)誤差形成的特征zr兩部分。各部分的計算公式如下

    式中:?漬e與?漬d分別表示收縮自編碼網(wǎng)絡(luò)中編碼器與解碼器參數(shù),zc與f(x)分別表示通過降維處理獲取的低維表示以及編碼函數(shù),與g(x)分別表示自編碼器生成的x的重構(gòu)及解碼函數(shù),L(x,)表示計算重構(gòu)誤差特征的函數(shù)。將收縮自編碼網(wǎng)絡(luò)的輸出值z,傳送至后續(xù)的異常流量檢測網(wǎng)絡(luò)中。

    對于收縮自編碼器中重構(gòu)誤差的損失函數(shù),選取余弦相似度和歐式距離2個指標作為度量指標,計算公式如下

    , (9)

    式中與N分別表示輸入的軟件定義網(wǎng)絡(luò)流量樣本的重構(gòu)表示及樣本數(shù)量。

    利用以上過程獲取的zr=L1(x,),L2(x,)為軟件定義網(wǎng)絡(luò)流量樣本的二維特征。設(shè)原始軟件定義網(wǎng)絡(luò)流量樣本數(shù)據(jù),利用收縮自編碼器壓縮至B維,最終的軟件定義網(wǎng)絡(luò)流量樣本特征維數(shù)為B+2維。

    2.2 CGAN-LSTM的異常流量檢測方法

    利用CGAN-LSTM模型,作為無監(jiān)督學(xué)習的模型估計部分,檢測軟件定義網(wǎng)絡(luò)的異常流量。該模型主要包括訓(xùn)練部分和測試部分。利用時間周期信息指導(dǎo)生成器,在訓(xùn)練和測試部分,生成軟件定義網(wǎng)絡(luò)的流量樣本。CGAN-LSTM模型檢測軟件定義網(wǎng)絡(luò)流量異常的總體結(jié)構(gòu)圖如圖4所示。

    CGAN-LSTM模型的訓(xùn)練階段,選擇正常的軟件定義網(wǎng)絡(luò)流量樣本作為訓(xùn)練樣本,從隨機空間獲取降維后的樣本z,將所獲取的樣本與時間信息t結(jié)合后,傳送至生成器G中。利用生成器生成軟件定義網(wǎng)絡(luò)的流量樣本,將生成的樣本數(shù)據(jù)與真實的樣本數(shù)據(jù)傳送至判別器D內(nèi),利用判別器劃分真實樣本數(shù)據(jù)以及生成的樣本數(shù)據(jù)。依據(jù)判別器的輸出結(jié)果,反向更新模型參數(shù)。

    CGAN-LSTM模型的測試階段,利用訓(xùn)練階段獲取生成器和判別器的參數(shù)。輸入軟件定義網(wǎng)絡(luò)流量樣本數(shù)據(jù),將軟件定義網(wǎng)絡(luò)流量測試樣本與時間信息連接后,傳送至判別器內(nèi),利用判別器輸出軟件定義網(wǎng)絡(luò)流量異常判別結(jié)果。

    詳細介紹CGAN-LSTM模型的訓(xùn)練階段以及測試階段如下。

    2.2.1 訓(xùn)練階段

    1)生成器。所構(gòu)建的生成器由2層LSTM和一層的Attention組成。Attention機制的運行過程如下:將包含64個單元及128個單元的2層LSTM,應(yīng)用于隨機空間中,最后通過一層的Attention機制,獲取軟件定義網(wǎng)絡(luò)流量數(shù)據(jù)的重點。選取交叉熵函數(shù)作為循環(huán)神經(jīng)網(wǎng)絡(luò)的損失函數(shù)。選取梯度下降方法,求解模型的最優(yōu)參數(shù)。

    2)判別器。判別器輸出結(jié)果為0~1之間,判別器判別軟件定義網(wǎng)絡(luò)流量樣本為真實樣本時,輸出值與1接近,否則輸出值與0接近。選取Sigmoid函數(shù)作為損失函數(shù),選取梯度下降方法,確定模型最優(yōu)參數(shù)。

    2.2.2 測試階段

    利用判別器判別結(jié)果及生成器的重構(gòu)誤差,綜合檢測軟件定義網(wǎng)絡(luò)流量樣本是否屬于異常流量樣本。CGAN-LSTM模型的訓(xùn)練階段,生成器需要學(xué)習如何將樣本映射至隨機空間內(nèi)。為了檢測軟件定義網(wǎng)絡(luò)的異常流量,將測試樣本映射至隨機空間內(nèi),觀測利用隨機空間生成的樣本與測試樣本間的距離,二者之間的距離越近時,表示訓(xùn)練生成器生成的數(shù)據(jù)樣本與正常樣本越接近。

    為了在隨機空間內(nèi)搜尋一個最優(yōu)的映射空間,令該映射空間利用生成器G,生成與測試樣本最接近的數(shù)據(jù),定義隨機生成映射空間?椎的損失函數(shù)表達式如下

    。(10)

    利用梯度下降方法,更新映射空間?椎,獲取最優(yōu)的k維映射空間?椎k。計算生成新樣本與測試樣本之間的重構(gòu)損失表達式如下

    利用已訓(xùn)練的判別器,區(qū)分軟件定義網(wǎng)絡(luò)正常流量樣本與異常流量樣本。判別器判別的表達式如下

    。 (12)

    公式(12)的計算結(jié)果與1極為接近時,表示該軟件定義網(wǎng)絡(luò)流量樣本屬于正常樣本;公式(12)的計算結(jié)果與0接近時,表示該軟件定義網(wǎng)絡(luò)的流量樣本屬于異常樣本。

    將判別器判別結(jié)果與生成器的重構(gòu)誤差綜合處理,設(shè)置軟件定義網(wǎng)絡(luò)異常流量檢測的正常樣本與異常樣本分別與1接近,以及與0接近,生成器的重構(gòu)誤差越大,表示樣本異常程度越高。為了良好地綜合重構(gòu)誤差與判別器判別結(jié)果,將1-Dis(x′)結(jié)果,帶入以下計算公式中

    , (13)

    式中:?孜與w分別表示異常流量判定結(jié)果及權(quán)重參數(shù)。

    公式(13)計算結(jié)果數(shù)值越大時,表示測試流量樣本異常程度越高,否則表示流量樣本為正常狀態(tài)。依據(jù)軟件定義網(wǎng)絡(luò)異常流量檢測實驗結(jié)果,確定軟件定義網(wǎng)絡(luò)異常流量檢測閾值。公式(13)的計算結(jié)果高于所設(shè)置閾值時,判定該樣本為異常流量樣本,完成軟件定義網(wǎng)絡(luò)異常流量檢測。

    3 實驗分析

    為了驗證所研究的基于無監(jiān)督學(xué)習的軟件定義網(wǎng)絡(luò)異常流量檢測技術(shù)、檢測軟件定義網(wǎng)絡(luò)異常流量的有效性,選取網(wǎng)絡(luò)中常應(yīng)用于異常流量檢測的KDD99數(shù)據(jù)集作為測試對象。本文方法采用無監(jiān)督學(xué)習方法作為異常流量檢測技術(shù),樣本訓(xùn)練過程中,無需標簽信息。通過對原始數(shù)據(jù)集進行特征分析及數(shù)據(jù)預(yù)處理,構(gòu)建完整的KDD99數(shù)據(jù)集。KDD99數(shù)據(jù)集定義了網(wǎng)絡(luò)連接方式,固定時間段內(nèi),從軟件定義網(wǎng)絡(luò)源IP地址至目的IP地址在固定的TCP、UDP協(xié)議的流量數(shù)據(jù)收集統(tǒng)計信息中,統(tǒng)計信息內(nèi)包含流量信息,以及軟件定義網(wǎng)絡(luò)從運行初始至結(jié)束的TCP數(shù)據(jù)包序列,在固定時間內(nèi)從源IP地址傳送至目的IP地址的數(shù)據(jù)。

    利用異常攻擊樣本,制作軟件定義網(wǎng)絡(luò)中的流量異常情況。異常攻擊樣本設(shè)置見表1。

    從測試集的數(shù)據(jù)中,隨機選取其中20%的樣本作為實驗樣本。數(shù)據(jù)集中樣本數(shù)量為15 834個,避免由于樣本數(shù)量過高,影響異常流量檢測性能。針對軟件定義網(wǎng)絡(luò)異常流量檢測,設(shè)置的實驗樣本見表2。

    實驗測試前,對數(shù)據(jù)集內(nèi)的流量樣本特征進行歸一化操作,避免取值范圍較小的特征,受到取值范圍較大的特征影響。對完成歸一化處理后的數(shù)據(jù),進行隨機抽樣,獲取共10個數(shù)據(jù)子集,同時測試抽取的10個數(shù)據(jù)子集,令實驗數(shù)據(jù)具有更高的可信性。

    采用本文方法對軟件定義網(wǎng)絡(luò)的異常流量進行檢測,伴隨無監(jiān)督學(xué)習方法的不斷迭代,無監(jiān)督學(xué)習方法的損失函數(shù)值變化如圖5所示。

    伴隨無監(jiān)督學(xué)習方法的不斷變化,軟件定義網(wǎng)絡(luò)異常流量檢測的重構(gòu)誤差變化結(jié)果如圖6所示。

    分析圖5、圖6實驗結(jié)果,伴隨無監(jiān)督學(xué)習方法迭代次數(shù)的不斷增加,無監(jiān)督學(xué)習方法的損失函數(shù)值存在明顯的波動后趨于穩(wěn)定,直至迭代次數(shù)接近100次時,本文方法的損失函數(shù)值接近0,此時本文方法具有最佳的訓(xùn)練效果。本文方法在迭代次數(shù)為100次左右時,即可以保持最佳的訓(xùn)練效果,可靠性較高。伴隨迭代次數(shù)的增加,無監(jiān)督學(xué)習方法中壓縮網(wǎng)絡(luò)的重構(gòu)誤差逐漸降低,而后趨于穩(wěn)定。迭代次數(shù)接近150次時,重構(gòu)誤差穩(wěn)定至0.01左右。以上實驗結(jié)果可以看出,利用無監(jiān)督學(xué)習方法,通過損失函數(shù)和重構(gòu)誤差設(shè)定,提升異常流量檢測的可靠性。

    向軟件定義網(wǎng)絡(luò)的主機192.168.184.123發(fā)送10次不同類型的攻擊,令軟件定義網(wǎng)絡(luò)流量出現(xiàn)異常情況,檢測軟件定義網(wǎng)絡(luò)異常流量變化情況。通過是否發(fā)出告警,測試檢測是否成功。以文獻[6]提出的基于機器學(xué)習算法的網(wǎng)絡(luò)異常流量檢測方法、文獻[7]提出的基于長短時記憶遞歸神經(jīng)網(wǎng)絡(luò)的異常流量檢測方法為實驗對比方法,對軟件定義網(wǎng)絡(luò)異常流量的檢測結(jié)果見表3。

    通過表3實驗結(jié)果可以看出,采用本文方法能夠有效檢測軟件定義網(wǎng)絡(luò)受到不同類型的攻擊造成的流量異常情況,及時發(fā)出告警,具有較高的軟件定義網(wǎng)絡(luò)異常流量檢測有效性。而采用文獻[6]、文獻[7]方法無法準確全面檢測到軟件定義網(wǎng)絡(luò)受到不同類型攻擊造成的流量異常情況。本文方法不僅可以檢測軟件定義網(wǎng)絡(luò)的異常流量,同時可以快速確定軟件定義網(wǎng)絡(luò)的攻擊端口,為快速解決流量異常情況,提供有效依據(jù),具有較高的應(yīng)用性。

    統(tǒng)計采用本文方法檢測軟件定義網(wǎng)絡(luò)異常流量的檢測性能見表4。

    通過表4實驗結(jié)果可以看出,采用本文方法有效檢測軟件定義網(wǎng)絡(luò)的異常流量,異常流量檢測精度平均值為98.98%,文獻[6]方法的異常流量檢測精度平均值為87.61%,文獻[7]方法的異常流量檢測精度平均值為83.34%,驗證本文方法具有良好的異常流量檢測表現(xiàn)性能。本文方法對于不同類型的攻擊,仍具有較高的監(jiān)測準確率。本文方法首先對軟件定義網(wǎng)絡(luò)異常流量的高維數(shù)據(jù)進行降維處理,提升異常流量檢測可靠性。降維處理后的損失函數(shù)可以快速收斂,對軟件定義網(wǎng)絡(luò)的實時流量檢測,提供了可靠的保證。

    4 結(jié)論

    軟件定義網(wǎng)絡(luò)具有可以自由編程的特點,應(yīng)用較為廣泛。軟件定義網(wǎng)絡(luò)用戶較多,具有網(wǎng)絡(luò)響應(yīng)靈敏性高,便于實時調(diào)整工作負載的優(yōu)勢,滿足當今的網(wǎng)絡(luò)應(yīng)用需求。軟件定義網(wǎng)絡(luò)受到不同類型攻擊時,容易造成網(wǎng)絡(luò)流量出現(xiàn)異常情況,影響網(wǎng)絡(luò)可靠運行,基于此本文提出基于無監(jiān)督學(xué)習的軟件定義網(wǎng)絡(luò)異常流量檢測技術(shù)。將無監(jiān)督學(xué)習方法應(yīng)用于軟件定義網(wǎng)絡(luò)異常流量檢測中,利用無監(jiān)督學(xué)習方法具有的無需特征提取的優(yōu)勢,提升異常流量檢測可靠性。通過實驗驗證,該方法對于由于不同類型攻擊造成的異常流量,均可以有效檢測,異常流量檢測精度較高,適用于軟件定義網(wǎng)絡(luò)異常流量檢測實際應(yīng)用中。

    參考文獻:

    [1] GUO A P, YUAN C H. Network Intelligent Control and Traffic Optimization Based on SDN and Artificial Intelligence[J].Electronics,2021,10(6):700-708.

    [2] ALMALAWI A, FAHAD A, TARI Z, et al. Add-on anomaly threshold technique for improving unsupervised intrusion detection on SCADA data[J].Electronics,2020,9(6):1017-1023.

    [3] MADHUKRISHNA P, PADMALOCHAN B. Software defined networking architecture, traffic management, security, and placement: A survey[J].Computer Networks,2021,192(19):1-15.

    [4] PAPADOGIANNAKI E, IOANNIDIS S. Acceleration of Intrusion Detection in Encrypted Network Traffic Using Heterogeneous Hardware[J].Sensors, 2021,21(4):1140.

    [5] LIN K, XU X, XIAO F. MFFusion: A multi-level features fusion model for malicious traffic detection based on deep learning[J].Computer networks, 2022,202(15):202.

    [6] MAHFOUZ A, ABUHUSSEIN A, VENUGOPAL D ,et al. Ensemble classifiers for network intrusion detection using a novel network attack dataset[J]. Future Internet, 2020,12(11):180-188.

    [7] MUHURI P S, CHATTERJEE P, YUAN X, et al. Using a long short-term memory recurrent neural network (lstm-rnn) to classify network attacks[J]. Information (Switzerland), 2020,11(5):243-246.

    精品一区二区三区av网在线观看| 亚洲18禁久久av| 在线观看免费视频日本深夜| 国产成人aa在线观看| 成人国产综合亚洲| 观看免费一级毛片| 亚洲人与动物交配视频| 淫秽高清视频在线观看| 一区福利在线观看| 亚洲国产高清在线一区二区三| 国产激情欧美一区二区| 成人18禁在线播放| 午夜精品在线福利| 最近最新中文字幕大全免费视频| 黄片小视频在线播放| 99国产极品粉嫩在线观看| 亚洲午夜理论影院| 欧美一级毛片孕妇| 麻豆国产av国片精品| 亚洲精品中文字幕一二三四区| 中文字幕人妻丝袜一区二区| 男女下面进入的视频免费午夜| 在线十欧美十亚洲十日本专区| 国产区一区二久久| 欧美黄色片欧美黄色片| 午夜影院日韩av| 精品一区二区三区视频在线观看免费| 人人妻人人看人人澡| 麻豆成人午夜福利视频| 叶爱在线成人免费视频播放| 亚洲成人国产一区在线观看| 免费看a级黄色片| 亚洲欧美精品综合一区二区三区| 亚洲成av人片免费观看| 国产精品av久久久久免费| 哪里可以看免费的av片| 欧美av亚洲av综合av国产av| 三级国产精品欧美在线观看 | 热99re8久久精品国产| 久久中文字幕一级| 好看av亚洲va欧美ⅴa在| 久久九九热精品免费| 我的老师免费观看完整版| 99久久综合精品五月天人人| 国产精品免费一区二区三区在线| 搞女人的毛片| 亚洲精品中文字幕一二三四区| 一区二区三区激情视频| 久9热在线精品视频| 国产野战对白在线观看| 国产又黄又爽又无遮挡在线| 床上黄色一级片| 国产成+人综合+亚洲专区| a级毛片在线看网站| 一二三四在线观看免费中文在| 亚洲人成电影免费在线| 男女下面进入的视频免费午夜| 国产99白浆流出| 最新美女视频免费是黄的| 色av中文字幕| 中文字幕精品亚洲无线码一区| 在线观看午夜福利视频| 亚洲黑人精品在线| 午夜福利在线观看吧| 亚洲精华国产精华精| 俄罗斯特黄特色一大片| 黄色视频,在线免费观看| 男女做爰动态图高潮gif福利片| 久久久久久免费高清国产稀缺| 精品不卡国产一区二区三区| 99国产精品99久久久久| 国产区一区二久久| 1024手机看黄色片| 亚洲黑人精品在线| 最近视频中文字幕2019在线8| 一个人免费在线观看的高清视频| 黄片小视频在线播放| 美女免费视频网站| 好看av亚洲va欧美ⅴa在| 久久性视频一级片| 天天添夜夜摸| 精品久久久久久久毛片微露脸| 宅男免费午夜| avwww免费| 成人国产一区最新在线观看| 婷婷精品国产亚洲av| 日本成人三级电影网站| 国产午夜精品论理片| 啦啦啦观看免费观看视频高清| 熟女少妇亚洲综合色aaa.| 女警被强在线播放| 日韩大码丰满熟妇| 久久久久久久午夜电影| 丁香欧美五月| 国产视频一区二区在线看| 999精品在线视频| 亚洲电影在线观看av| 国产精品98久久久久久宅男小说| 亚洲自偷自拍图片 自拍| 欧美日本视频| 又黄又粗又硬又大视频| 男男h啪啪无遮挡| 中文字幕久久专区| 夜夜躁狠狠躁天天躁| 精品第一国产精品| 国产99久久九九免费精品| 法律面前人人平等表现在哪些方面| 很黄的视频免费| av福利片在线| 欧美成人一区二区免费高清观看 | 欧美大码av| 日本三级黄在线观看| 高清在线国产一区| 午夜成年电影在线免费观看| 欧美一级毛片孕妇| 色av中文字幕| 久久伊人香网站| 久久人妻av系列| 成人18禁高潮啪啪吃奶动态图| 亚洲第一欧美日韩一区二区三区| 夜夜夜夜夜久久久久| 高清毛片免费观看视频网站| 国产成人精品无人区| 岛国在线免费视频观看| 嫩草影院精品99| 久久久久久大精品| 国产一区二区在线av高清观看| 长腿黑丝高跟| 黄频高清免费视频| 国产精品精品国产色婷婷| 嫩草影院精品99| 女生性感内裤真人,穿戴方法视频| 亚洲无线在线观看| 一二三四社区在线视频社区8| 嫩草影院精品99| 国产欧美日韩精品亚洲av| 欧美在线黄色| 91字幕亚洲| 老司机靠b影院| 成人av一区二区三区在线看| 男人舔奶头视频| 在线十欧美十亚洲十日本专区| 国产精品亚洲美女久久久| 欧美 亚洲 国产 日韩一| 国产精品乱码一区二三区的特点| 一本综合久久免费| 一本综合久久免费| 成人国产综合亚洲| 激情在线观看视频在线高清| 9191精品国产免费久久| 丁香六月欧美| 亚洲 欧美一区二区三区| 日本一本二区三区精品| 亚洲第一欧美日韩一区二区三区| 热99re8久久精品国产| 久久香蕉激情| 国产真实乱freesex| 国产成人av教育| 美女 人体艺术 gogo| 国产成人aa在线观看| 久久这里只有精品19| 精品欧美国产一区二区三| 久久精品91无色码中文字幕| 亚洲精华国产精华精| 欧美性猛交黑人性爽| 欧美日韩亚洲综合一区二区三区_| 88av欧美| 欧美黑人欧美精品刺激| 中文字幕人成人乱码亚洲影| 亚洲精品一区av在线观看| av天堂在线播放| 欧美日韩黄片免| 成人国产一区最新在线观看| 我的老师免费观看完整版| 成人特级黄色片久久久久久久| www国产在线视频色| 国产黄色小视频在线观看| 身体一侧抽搐| 国产激情欧美一区二区| 99热6这里只有精品| 日韩三级视频一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 精品久久久久久久人妻蜜臀av| bbb黄色大片| 90打野战视频偷拍视频| 亚洲自拍偷在线| av福利片在线观看| 好看av亚洲va欧美ⅴa在| 人妻丰满熟妇av一区二区三区| 久久草成人影院| 很黄的视频免费| 桃色一区二区三区在线观看| 日本撒尿小便嘘嘘汇集6| 成年免费大片在线观看| xxxwww97欧美| 夜夜夜夜夜久久久久| 国产精品一区二区免费欧美| 黄色a级毛片大全视频| 成人精品一区二区免费| 波多野结衣巨乳人妻| 午夜日韩欧美国产| www.熟女人妻精品国产| 欧美另类亚洲清纯唯美| 精品日产1卡2卡| e午夜精品久久久久久久| 久久久精品国产亚洲av高清涩受| 99热6这里只有精品| 又爽又黄无遮挡网站| 国产精品久久电影中文字幕| 亚洲天堂国产精品一区在线| 久久久精品大字幕| 亚洲国产欧美网| 欧美乱色亚洲激情| 日日摸夜夜添夜夜添小说| 99国产精品99久久久久| 亚洲av成人一区二区三| 亚洲最大成人中文| 国产精品久久电影中文字幕| 窝窝影院91人妻| 午夜日韩欧美国产| 久久久久久久久中文| 啦啦啦韩国在线观看视频| 黑人操中国人逼视频| 日韩欧美在线乱码| 国产精品一区二区三区四区免费观看 | 又黄又爽又免费观看的视频| 最近在线观看免费完整版| 老司机靠b影院| 久热爱精品视频在线9| 国产aⅴ精品一区二区三区波| 宅男免费午夜| 亚洲精品久久成人aⅴ小说| 19禁男女啪啪无遮挡网站| 免费看a级黄色片| 亚洲av片天天在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲中文av在线| 精品久久久久久,| 黄色女人牲交| 日韩欧美一区二区三区在线观看| 国产高清视频在线观看网站| 淫秽高清视频在线观看| av视频在线观看入口| 给我免费播放毛片高清在线观看| 可以在线观看的亚洲视频| 性欧美人与动物交配| 91麻豆av在线| 亚洲 欧美一区二区三区| 特级一级黄色大片| 国产亚洲精品久久久久久毛片| 老熟妇仑乱视频hdxx| 亚洲成人中文字幕在线播放| 精品乱码久久久久久99久播| 国产91精品成人一区二区三区| 一二三四社区在线视频社区8| 中国美女看黄片| 欧美极品一区二区三区四区| 成人欧美大片| 91大片在线观看| 91大片在线观看| 亚洲国产日韩欧美精品在线观看 | 男人舔女人下体高潮全视频| 宅男免费午夜| 久久久精品欧美日韩精品| a在线观看视频网站| 精品一区二区三区四区五区乱码| 级片在线观看| 老司机在亚洲福利影院| 99久久久亚洲精品蜜臀av| 欧美在线黄色| 久久久久久大精品| 久久天躁狠狠躁夜夜2o2o| 精品熟女少妇八av免费久了| www国产在线视频色| 久久久久久久久免费视频了| 亚洲av成人一区二区三| 白带黄色成豆腐渣| 老熟妇仑乱视频hdxx| 成人三级黄色视频| 国产蜜桃级精品一区二区三区| 国产一区在线观看成人免费| 久久天堂一区二区三区四区| 床上黄色一级片| 人成视频在线观看免费观看| 99riav亚洲国产免费| 午夜激情福利司机影院| 老司机福利观看| 啦啦啦韩国在线观看视频| 日本黄色视频三级网站网址| 男女午夜视频在线观看| 99久久精品热视频| 成在线人永久免费视频| 亚洲精品久久国产高清桃花| 国产亚洲欧美98| 99热这里只有是精品50| 久久久久国产精品人妻aⅴ院| 久久精品人妻少妇| 精华霜和精华液先用哪个| 亚洲精品美女久久av网站| 亚洲五月天丁香| 亚洲成a人片在线一区二区| 亚洲天堂国产精品一区在线| 在线国产一区二区在线| 精品一区二区三区视频在线观看免费| 国产精品影院久久| 国产欧美日韩一区二区三| 国产精品av久久久久免费| 在线观看午夜福利视频| 久久久久性生活片| 淫妇啪啪啪对白视频| 变态另类成人亚洲欧美熟女| 男女午夜视频在线观看| 精品乱码久久久久久99久播| 亚洲黑人精品在线| 女警被强在线播放| 欧美日本视频| 色哟哟哟哟哟哟| 国产不卡一卡二| 舔av片在线| 欧美人与性动交α欧美精品济南到| 国产片内射在线| 欧美性长视频在线观看| 12—13女人毛片做爰片一| 国产欧美日韩一区二区三| 欧美性猛交黑人性爽| 亚洲成a人片在线一区二区| 亚洲第一欧美日韩一区二区三区| 久久久精品大字幕| 老熟妇乱子伦视频在线观看| 亚洲国产精品sss在线观看| 国产精品九九99| 嫁个100分男人电影在线观看| 99热这里只有精品一区 | 免费高清视频大片| 少妇裸体淫交视频免费看高清 | 免费看十八禁软件| 日本一区二区免费在线视频| 色尼玛亚洲综合影院| 国产午夜精品论理片| 国产精品综合久久久久久久免费| 日本 av在线| 国产亚洲精品久久久久5区| 午夜免费激情av| 99热6这里只有精品| 美女扒开内裤让男人捅视频| 久久久久久久久免费视频了| 欧美性长视频在线观看| 嫩草影视91久久| 亚洲18禁久久av| 色播亚洲综合网| 久久精品国产99精品国产亚洲性色| 亚洲精品av麻豆狂野| 国产亚洲精品久久久久久毛片| 中文字幕人成人乱码亚洲影| 91av网站免费观看| cao死你这个sao货| 精品久久蜜臀av无| 久久精品国产综合久久久| 老汉色∧v一级毛片| 成人三级黄色视频| 日韩三级视频一区二区三区| 国产欧美日韩精品亚洲av| cao死你这个sao货| 99久久精品国产亚洲精品| 久久久久免费精品人妻一区二区| 一边摸一边做爽爽视频免费| 五月伊人婷婷丁香| 亚洲av电影在线进入| 好男人在线观看高清免费视频| 欧美丝袜亚洲另类 | 日韩免费av在线播放| 夜夜看夜夜爽夜夜摸| 日本成人三级电影网站| 国产精品免费视频内射| 中文亚洲av片在线观看爽| 国产一级毛片七仙女欲春2| 亚洲中文字幕一区二区三区有码在线看 | 久久久久久人人人人人| 日韩精品中文字幕看吧| 亚洲专区国产一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 99在线人妻在线中文字幕| tocl精华| 黄色a级毛片大全视频| 午夜两性在线视频| www日本黄色视频网| 亚洲av电影在线进入| 丝袜人妻中文字幕| 蜜桃久久精品国产亚洲av| 国产熟女xx| 亚洲专区中文字幕在线| АⅤ资源中文在线天堂| 一本久久中文字幕| 欧美日韩亚洲国产一区二区在线观看| 天堂影院成人在线观看| 国产精品1区2区在线观看.| 亚洲真实伦在线观看| 日韩三级视频一区二区三区| 啪啪无遮挡十八禁网站| 久99久视频精品免费| 国产欧美日韩一区二区精品| 亚洲av电影不卡..在线观看| 操出白浆在线播放| 黄色毛片三级朝国网站| 久久国产精品影院| 久久久久亚洲av毛片大全| 黄片小视频在线播放| 日本免费a在线| 久久午夜亚洲精品久久| √禁漫天堂资源中文www| 久久久久九九精品影院| 两个人视频免费观看高清| 国产伦人伦偷精品视频| 久久久国产成人免费| 老司机福利观看| 午夜福利成人在线免费观看| 99精品在免费线老司机午夜| 日本成人三级电影网站| 欧美一区二区精品小视频在线| 麻豆久久精品国产亚洲av| 国产私拍福利视频在线观看| 狠狠狠狠99中文字幕| 最近视频中文字幕2019在线8| 99久久精品热视频| 男女视频在线观看网站免费 | 亚洲乱码一区二区免费版| 午夜福利18| 亚洲精品一区av在线观看| 淫妇啪啪啪对白视频| 丁香六月欧美| 国产精品乱码一区二三区的特点| 少妇熟女aⅴ在线视频| 小说图片视频综合网站| 久久婷婷成人综合色麻豆| 午夜影院日韩av| 精品人妻1区二区| 国产精品久久久人人做人人爽| 91麻豆精品激情在线观看国产| 99久久精品热视频| 日韩成人在线观看一区二区三区| 国产欧美日韩一区二区三| 欧美黑人精品巨大| 亚洲激情在线av| 国产精品自产拍在线观看55亚洲| 欧美成人性av电影在线观看| 欧美色视频一区免费| 夜夜夜夜夜久久久久| 国产片内射在线| 久久精品国产综合久久久| 亚洲最大成人中文| 日韩中文字幕欧美一区二区| 日韩成人在线观看一区二区三区| 国产一区二区激情短视频| 国产伦人伦偷精品视频| 亚洲国产中文字幕在线视频| 亚洲欧美精品综合一区二区三区| 国产精品久久久人人做人人爽| 黄片大片在线免费观看| 国产成人av激情在线播放| 亚洲一区二区三区色噜噜| 久久久久久久午夜电影| 69av精品久久久久久| 国产成人啪精品午夜网站| 亚洲电影在线观看av| 国产精品九九99| 最新在线观看一区二区三区| 国产精品乱码一区二三区的特点| 久久精品国产亚洲av香蕉五月| 亚洲精品久久国产高清桃花| 久久国产精品人妻蜜桃| 精品电影一区二区在线| 黄色视频,在线免费观看| 非洲黑人性xxxx精品又粗又长| 可以在线观看毛片的网站| www.自偷自拍.com| 老鸭窝网址在线观看| 九色国产91popny在线| 欧美精品亚洲一区二区| 国产精品,欧美在线| 久久久国产成人免费| 亚洲一区二区三区不卡视频| av在线播放免费不卡| 桃红色精品国产亚洲av| 免费一级毛片在线播放高清视频| 久久精品人妻少妇| 国内毛片毛片毛片毛片毛片| 特大巨黑吊av在线直播| 午夜两性在线视频| 香蕉av资源在线| 青草久久国产| 久久人妻av系列| 国产三级中文精品| 天天添夜夜摸| 伦理电影免费视频| 91九色精品人成在线观看| 日韩欧美精品v在线| 久久精品国产亚洲av高清一级| 天堂影院成人在线观看| 免费在线观看影片大全网站| 日本a在线网址| 亚洲欧美精品综合久久99| 国产男靠女视频免费网站| 免费看十八禁软件| 亚洲午夜理论影院| 久久天堂一区二区三区四区| 一进一出抽搐动态| 亚洲av五月六月丁香网| 久久精品夜夜夜夜夜久久蜜豆 | 在线观看美女被高潮喷水网站 | 久久香蕉国产精品| 欧美黄色淫秽网站| 亚洲 欧美 日韩 在线 免费| 国产亚洲欧美在线一区二区| 精品午夜福利视频在线观看一区| 亚洲电影在线观看av| 国产黄色小视频在线观看| 1024视频免费在线观看| 国产激情欧美一区二区| 日韩欧美精品v在线| 99riav亚洲国产免费| 757午夜福利合集在线观看| 国产黄a三级三级三级人| www.精华液| 久久久久亚洲av毛片大全| 俺也久久电影网| 国产激情偷乱视频一区二区| 亚洲 国产 在线| 久久久精品欧美日韩精品| 国产片内射在线| 亚洲人成网站在线播放欧美日韩| 99在线人妻在线中文字幕| 成人亚洲精品av一区二区| 一进一出抽搐gif免费好疼| 国产欧美日韩一区二区三| 欧美人与性动交α欧美精品济南到| 女人爽到高潮嗷嗷叫在线视频| 99国产极品粉嫩在线观看| 国产精品 国内视频| 日日夜夜操网爽| 国产又色又爽无遮挡免费看| 一级作爱视频免费观看| 真人做人爱边吃奶动态| 日韩精品免费视频一区二区三区| 久9热在线精品视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产三级中文精品| 国产精品久久视频播放| 国产1区2区3区精品| 亚洲欧美日韩无卡精品| 国产成人影院久久av| 亚洲av中文字字幕乱码综合| 国产精品九九99| 伦理电影免费视频| 国产精品久久久人人做人人爽| 黄色片一级片一级黄色片| 三级男女做爰猛烈吃奶摸视频| 69av精品久久久久久| 看黄色毛片网站| 日韩欧美一区二区三区在线观看| 欧美另类亚洲清纯唯美| 国产av在哪里看| 日韩大码丰满熟妇| 免费在线观看视频国产中文字幕亚洲| 美女大奶头视频| 精品熟女少妇八av免费久了| 亚洲欧美精品综合一区二区三区| 久久中文字幕人妻熟女| 亚洲av成人精品一区久久| 午夜影院日韩av| 欧美黄色淫秽网站| 久久婷婷成人综合色麻豆| 色播亚洲综合网| 国产熟女xx| 亚洲激情在线av| 久久久久久亚洲精品国产蜜桃av| 亚洲 欧美 日韩 在线 免费| 母亲3免费完整高清在线观看| 亚洲第一电影网av| 999久久久国产精品视频| 国产黄色小视频在线观看| 欧美一级a爱片免费观看看 | 岛国视频午夜一区免费看| av片东京热男人的天堂| 亚洲电影在线观看av| 久久性视频一级片| 欧美激情久久久久久爽电影| 亚洲性夜色夜夜综合| 一本精品99久久精品77| av国产免费在线观看| 国产精品美女特级片免费视频播放器 | 999久久久精品免费观看国产| 51午夜福利影视在线观看| 日日摸夜夜添夜夜添小说| 丰满人妻一区二区三区视频av | 97人妻精品一区二区三区麻豆| 男人的好看免费观看在线视频 | 日韩欧美一区二区三区在线观看| 一进一出抽搐动态| 黑人巨大精品欧美一区二区mp4| 亚洲av电影在线进入| 高潮久久久久久久久久久不卡| 亚洲片人在线观看| 欧美丝袜亚洲另类 | 丰满人妻熟妇乱又伦精品不卡| 亚洲一区中文字幕在线| 国产黄a三级三级三级人| 国产在线精品亚洲第一网站| 国产精品香港三级国产av潘金莲| 首页视频小说图片口味搜索| 嫩草影视91久久| 成年女人毛片免费观看观看9| 国产精品影院久久| 女警被强在线播放| 三级国产精品欧美在线观看 | 免费在线观看完整版高清|