• <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.

    亚洲一级一片aⅴ在线观看| 青青草视频在线视频观看| 亚洲av二区三区四区| 色尼玛亚洲综合影院| 精品欧美国产一区二区三| 九色成人免费人妻av| 精品人妻视频免费看| 国产又色又爽无遮挡免| 国产精品蜜桃在线观看| 91在线精品国自产拍蜜月| 久久亚洲精品不卡| 夜夜看夜夜爽夜夜摸| 99久久精品一区二区三区| 成人鲁丝片一二三区免费| 18禁在线无遮挡免费观看视频| 亚洲自偷自拍三级| 纵有疾风起免费观看全集完整版 | 你懂的网址亚洲精品在线观看 | 亚洲自拍偷在线| 黄色日韩在线| 日韩视频在线欧美| 干丝袜人妻中文字幕| 国产精品久久视频播放| 少妇的逼好多水| 日本与韩国留学比较| 久久久久久久久久久免费av| 国产成人a区在线观看| 人妻系列 视频| 久久韩国三级中文字幕| 久久人人爽人人爽人人片va| 国产真实伦视频高清在线观看| 人人妻人人澡人人爽人人夜夜 | 国语对白做爰xxxⅹ性视频网站| 有码 亚洲区| 国内揄拍国产精品人妻在线| 成人毛片60女人毛片免费| 久久精品国产亚洲av涩爱| 中文在线观看免费www的网站| 久久精品久久久久久久性| 熟女人妻精品中文字幕| 99在线视频只有这里精品首页| 2021少妇久久久久久久久久久| 免费搜索国产男女视频| videossex国产| 九九热线精品视视频播放| 国产精品精品国产色婷婷| 岛国在线免费视频观看| 综合色av麻豆| 噜噜噜噜噜久久久久久91| or卡值多少钱| 久久久精品欧美日韩精品| 91在线精品国自产拍蜜月| 亚洲精品国产成人久久av| 黑人高潮一二区| 免费av毛片视频| 草草在线视频免费看| 亚洲av成人精品一二三区| 亚洲国产精品专区欧美| 色综合亚洲欧美另类图片| 久久亚洲精品不卡| 欧美bdsm另类| 久久久成人免费电影| 中文字幕av成人在线电影| 人人妻人人澡人人爽人人夜夜 | 亚洲人与动物交配视频| 免费搜索国产男女视频| 欧美性感艳星| 色噜噜av男人的天堂激情| 日本色播在线视频| 午夜福利在线在线| 蜜臀久久99精品久久宅男| 人妻夜夜爽99麻豆av| 人人妻人人澡人人爽人人夜夜 | 热99re8久久精品国产| 亚洲最大成人手机在线| 成人漫画全彩无遮挡| 搡女人真爽免费视频火全软件| 免费播放大片免费观看视频在线观看 | 欧美不卡视频在线免费观看| 亚洲中文字幕日韩| 午夜日本视频在线| 国产真实伦视频高清在线观看| 亚洲伊人久久精品综合 | 麻豆成人午夜福利视频| 国产单亲对白刺激| 老女人水多毛片| 久久亚洲国产成人精品v| 色网站视频免费| 日日啪夜夜撸| 久久99蜜桃精品久久| 久久久久精品久久久久真实原创| 2022亚洲国产成人精品| 亚洲精品久久久久久婷婷小说 | 男女视频在线观看网站免费| 一本久久精品| 桃色一区二区三区在线观看| 尤物成人国产欧美一区二区三区| 99热精品在线国产| 国产免费又黄又爽又色| 欧美高清成人免费视频www| 国语自产精品视频在线第100页| 亚洲第一区二区三区不卡| 国产高潮美女av| 久久国产乱子免费精品| 最近最新中文字幕免费大全7| 在线免费观看的www视频| 久久综合国产亚洲精品| 中文字幕熟女人妻在线| 视频中文字幕在线观看| 亚洲av一区综合| 爱豆传媒免费全集在线观看| 九九热线精品视视频播放| 亚洲伊人久久精品综合 | 人妻少妇偷人精品九色| 免费看日本二区| 观看免费一级毛片| 国产单亲对白刺激| 久久久久性生活片| 亚洲va在线va天堂va国产| 91精品伊人久久大香线蕉| 97在线视频观看| 天堂√8在线中文| 亚洲熟妇中文字幕五十中出| 国产精品,欧美在线| 亚洲欧美成人综合另类久久久 | 欧美另类亚洲清纯唯美| 一级黄片播放器| 非洲黑人性xxxx精品又粗又长| 免费看av在线观看网站| 日韩成人av中文字幕在线观看| 舔av片在线| 精品午夜福利在线看| 国产精品爽爽va在线观看网站| 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 | 欧美+日韩+精品| 18+在线观看网站| 97超碰精品成人国产| 国产午夜精品论理片| 日韩一区二区视频免费看| 亚洲美女搞黄在线观看| 超碰97精品在线观看| 水蜜桃什么品种好| 插阴视频在线观看视频| 日日干狠狠操夜夜爽| 综合色丁香网| av在线播放精品| 男女国产视频网站| 精品午夜福利在线看| 久久亚洲精品不卡| 村上凉子中文字幕在线| 国内精品美女久久久久久| 日本五十路高清| 高清av免费在线| 亚洲欧洲国产日韩| 久久精品国产自在天天线| 少妇的逼水好多| 赤兔流量卡办理| 黄色一级大片看看| 白带黄色成豆腐渣| .国产精品久久| www.av在线官网国产| 欧美+日韩+精品| 国产精品.久久久| 天堂中文最新版在线下载 | 国产av不卡久久| 99在线人妻在线中文字幕| 亚洲18禁久久av| 长腿黑丝高跟| 亚洲精品国产成人久久av| 久久精品综合一区二区三区| 国产男人的电影天堂91| 亚洲内射少妇av| 欧美一区二区国产精品久久精品| a级毛片免费高清观看在线播放| 舔av片在线| 超碰av人人做人人爽久久| 亚洲av一区综合| av在线播放精品| 欧美性感艳星| 国产黄片视频在线免费观看| 女人十人毛片免费观看3o分钟| 国产亚洲最大av| 国产成人免费观看mmmm| 九九久久精品国产亚洲av麻豆| 婷婷色麻豆天堂久久 | 欧美成人一区二区免费高清观看| 两个人视频免费观看高清| 一个人免费在线观看电影| 亚洲精品国产成人久久av| a级毛片免费高清观看在线播放| 丰满人妻一区二区三区视频av| 日韩制服骚丝袜av| 国产私拍福利视频在线观看| 国产一区亚洲一区在线观看| 日韩欧美三级三区| 久久精品久久久久久噜噜老黄 | 国产精品久久视频播放| 中文乱码字字幕精品一区二区三区 | 欧美区成人在线视频| 欧美日韩一区二区视频在线观看视频在线 | 精品人妻偷拍中文字幕| 国产精品一区二区性色av| 婷婷色麻豆天堂久久 | 免费黄网站久久成人精品| 欧美日韩一区二区视频在线观看视频在线 | 国产精品蜜桃在线观看| 秋霞伦理黄片| 人妻制服诱惑在线中文字幕| 天堂中文最新版在线下载 | 少妇猛男粗大的猛烈进出视频 | 最近最新中文字幕免费大全7| 一级毛片电影观看 | 免费一级毛片在线播放高清视频| 伦理电影大哥的女人| 免费观看a级毛片全部| 免费观看人在逋| 中文字幕制服av| 精品国产一区二区三区久久久樱花 | 日韩av在线大香蕉| 国产精品,欧美在线| 亚洲精品国产av成人精品| 国产一级毛片在线| 国产探花在线观看一区二区| 精品少妇黑人巨大在线播放 | 国产高清有码在线观看视频| 热99re8久久精品国产| 久久精品熟女亚洲av麻豆精品 | 免费人成在线观看视频色| 国内精品美女久久久久久| 国产亚洲91精品色在线| 噜噜噜噜噜久久久久久91| 免费观看性生交大片5| 六月丁香七月| 一级毛片我不卡| 乱系列少妇在线播放| 国产单亲对白刺激| 国产在视频线在精品| 国产淫语在线视频| 亚洲性久久影院| av天堂中文字幕网| 日韩欧美 国产精品| 国产精品福利在线免费观看| 免费播放大片免费观看视频在线观看 | 乱人视频在线观看| 亚洲欧洲日产国产| 最近视频中文字幕2019在线8| 一级毛片久久久久久久久女| 嫩草影院入口| 精品一区二区三区视频在线| 日韩一区二区三区影片| 极品教师在线视频| 国产综合懂色| 亚洲在久久综合| 日日啪夜夜撸| 欧美激情在线99| 亚洲欧美精品综合久久99| 亚洲欧美精品综合久久99| 国产高清三级在线| 午夜免费男女啪啪视频观看| 看免费成人av毛片| 日本-黄色视频高清免费观看| 久久久午夜欧美精品| 亚洲欧美成人综合另类久久久 | 在线播放国产精品三级| 亚洲av中文字字幕乱码综合| 日产精品乱码卡一卡2卡三| 亚洲美女视频黄频| 长腿黑丝高跟| 女人被狂操c到高潮| 国产亚洲av片在线观看秒播厂 | 99久国产av精品国产电影| 韩国高清视频一区二区三区| 国产在线一区二区三区精 | 国产极品精品免费视频能看的| 久久欧美精品欧美久久欧美| 午夜a级毛片| 久久久久久国产a免费观看| 成人午夜高清在线视频| 99在线视频只有这里精品首页| 婷婷色av中文字幕| 天堂网av新在线| 高清视频免费观看一区二区 | 欧美不卡视频在线免费观看| 国产高潮美女av| 久久精品夜夜夜夜夜久久蜜豆| 国产国拍精品亚洲av在线观看| 成人午夜高清在线视频| 亚洲国产色片| 亚洲av不卡在线观看| 日韩国内少妇激情av| 国产欧美另类精品又又久久亚洲欧美| 在线观看美女被高潮喷水网站| 男插女下体视频免费在线播放| 国产乱来视频区| 男女那种视频在线观看| 久久精品国产亚洲av涩爱| 99视频精品全部免费 在线| 在线观看av片永久免费下载| 看非洲黑人一级黄片| 国国产精品蜜臀av免费| av卡一久久| 中文字幕精品亚洲无线码一区| 国产久久久一区二区三区| 人人妻人人看人人澡| 色网站视频免费| 亚洲欧美日韩无卡精品| 国产高清视频在线观看网站| 岛国在线免费视频观看| 亚洲成人久久爱视频| 别揉我奶头 嗯啊视频| 欧美日本视频| 身体一侧抽搐| 免费播放大片免费观看视频在线观看 | 成人无遮挡网站| 精品久久久噜噜| 婷婷色麻豆天堂久久 | 老师上课跳d突然被开到最大视频| 国产精品人妻久久久久久| 亚洲第一区二区三区不卡| eeuss影院久久| 日韩强制内射视频| 禁无遮挡网站| 午夜精品国产一区二区电影 | 在线观看av片永久免费下载| 国产成人91sexporn| 国产黄片视频在线免费观看| 国产麻豆成人av免费视频| 国产综合懂色| 国产精品.久久久| 欧美日本亚洲视频在线播放| 亚洲精品色激情综合| 男女视频在线观看网站免费| 久久99热6这里只有精品| 大又大粗又爽又黄少妇毛片口| 免费无遮挡裸体视频| 亚洲乱码一区二区免费版| 亚洲欧洲日产国产| 亚洲四区av| 级片在线观看| 伦理电影大哥的女人| 精品人妻视频免费看| 麻豆国产97在线/欧美| 亚洲综合精品二区| 成年av动漫网址| 特级一级黄色大片| 欧美又色又爽又黄视频| 亚洲国产欧洲综合997久久,| 成人无遮挡网站| 成年av动漫网址| 日韩国内少妇激情av| 亚洲va在线va天堂va国产| 久久久久久久亚洲中文字幕| 日本熟妇午夜| 汤姆久久久久久久影院中文字幕 | 夜夜看夜夜爽夜夜摸| 草草在线视频免费看| 日本免费a在线| 一级黄片播放器| 99久久九九国产精品国产免费| 日韩大片免费观看网站 | 久久久欧美国产精品| 在线观看66精品国产| 国产精品福利在线免费观看| 欧美精品国产亚洲| 午夜免费激情av| 天堂影院成人在线观看| 国语自产精品视频在线第100页| 亚洲精品日韩av片在线观看| 99九九线精品视频在线观看视频| 最近2019中文字幕mv第一页| 国产成人精品一,二区| av.在线天堂| 日本wwww免费看| 美女xxoo啪啪120秒动态图| 狠狠狠狠99中文字幕| 99久国产av精品| 欧美激情国产日韩精品一区| 91aial.com中文字幕在线观看| 99九九线精品视频在线观看视频| 秋霞在线观看毛片| 免费av观看视频| 亚洲真实伦在线观看| 美女xxoo啪啪120秒动态图| 韩国高清视频一区二区三区| 国产午夜精品论理片| 国产精品福利在线免费观看| 深爱激情五月婷婷| 免费看av在线观看网站| 久久亚洲国产成人精品v| 欧美日本亚洲视频在线播放| 一级毛片久久久久久久久女| 超碰97精品在线观看| 成人高潮视频无遮挡免费网站| 欧美bdsm另类| 欧美成人a在线观看| 国产在视频线在精品| 日本黄色视频三级网站网址| 日韩欧美三级三区| 老司机影院成人| 秋霞伦理黄片| 国产极品天堂在线| 综合色丁香网| 亚洲av电影不卡..在线观看| 国产精品.久久久| 精品一区二区免费观看| 男插女下体视频免费在线播放| 午夜精品一区二区三区免费看| 男的添女的下面高潮视频| 久久久久久大精品| 成人鲁丝片一二三区免费| 国内精品一区二区在线观看| 久久精品夜夜夜夜夜久久蜜豆| 成人无遮挡网站| 国产探花极品一区二区| 亚洲av男天堂| 能在线免费观看的黄片| 波多野结衣巨乳人妻| 2021天堂中文幕一二区在线观| 校园人妻丝袜中文字幕| 九九爱精品视频在线观看| 国产熟女欧美一区二区| 亚洲自偷自拍三级| 51国产日韩欧美| 精品少妇黑人巨大在线播放 | 美女高潮的动态| 欧美不卡视频在线免费观看| 国产成人免费观看mmmm| 欧美色视频一区免费| 少妇的逼水好多| 成人三级黄色视频| 欧美成人a在线观看| 一级爰片在线观看| 91午夜精品亚洲一区二区三区| 久久综合国产亚洲精品| 日本三级黄在线观看| 国产一级毛片七仙女欲春2| 色综合站精品国产| 久久精品久久久久久久性| 三级经典国产精品| 日韩欧美三级三区| 国产麻豆成人av免费视频| 欧美+日韩+精品| 久久久成人免费电影| av女优亚洲男人天堂| 国产伦一二天堂av在线观看| 热99在线观看视频| 99在线视频只有这里精品首页| 国产亚洲精品av在线| 免费播放大片免费观看视频在线观看 | 国产精品女同一区二区软件| 午夜福利成人在线免费观看| 精品不卡国产一区二区三区| 蜜桃亚洲精品一区二区三区| 波野结衣二区三区在线| 少妇的逼好多水| 国产精品伦人一区二区| 看十八女毛片水多多多| АⅤ资源中文在线天堂| 国产69精品久久久久777片| 在线观看66精品国产| 成年女人永久免费观看视频| 99久国产av精品| 午夜福利在线观看免费完整高清在| 狂野欧美激情性xxxx在线观看| 中文字幕免费在线视频6| 国产午夜福利久久久久久| 国产精品精品国产色婷婷| 久久久久久久久久久丰满| 欧美精品一区二区大全| av视频在线观看入口| 国产成人精品一,二区| 国产午夜精品久久久久久一区二区三区| 一区二区三区免费毛片| 午夜视频国产福利| 搡女人真爽免费视频火全软件| 国产精品嫩草影院av在线观看| 成人av在线播放网站| 亚洲在久久综合| av又黄又爽大尺度在线免费看 | 秋霞伦理黄片| 午夜a级毛片| 国产麻豆成人av免费视频| 国产精品一区二区三区四区免费观看| 国产高清视频在线观看网站| 一级av片app| 日本黄色视频三级网站网址| 亚洲av电影在线观看一区二区三区 | 麻豆成人av视频| 国产精品人妻久久久影院| 久久草成人影院| 午夜福利网站1000一区二区三区| 狠狠狠狠99中文字幕| 国产探花在线观看一区二区| 婷婷色综合大香蕉| 国产老妇伦熟女老妇高清| 日韩,欧美,国产一区二区三区 | 级片在线观看| 国产三级在线视频| 国语对白做爰xxxⅹ性视频网站| 日韩成人伦理影院| 我的女老师完整版在线观看| 久久99热6这里只有精品| 日本黄色视频三级网站网址| 免费观看人在逋| 啦啦啦观看免费观看视频高清| 欧美bdsm另类| 热99re8久久精品国产| 欧美日韩综合久久久久久| 欧美成人一区二区免费高清观看| 全区人妻精品视频| 国产精品久久久久久精品电影小说 | 亚洲人成网站在线观看播放| 久久久久久伊人网av| 色视频www国产| 我的老师免费观看完整版| 亚洲国产精品成人综合色| kizo精华| 亚洲av成人av| 国产在线一区二区三区精 | 国国产精品蜜臀av免费| 99久久成人亚洲精品观看| 亚洲成人精品中文字幕电影| 中文乱码字字幕精品一区二区三区 | 国产乱来视频区| 日本黄大片高清| 亚洲五月天丁香| 国产精品99久久久久久久久| 精品久久国产蜜桃| 老女人水多毛片| 日本午夜av视频| 欧美xxxx性猛交bbbb| 国产精品久久久久久久电影| 国产黄片视频在线免费观看| 欧美变态另类bdsm刘玥| 亚洲熟妇中文字幕五十中出| 亚洲美女搞黄在线观看| 免费看a级黄色片| 麻豆成人午夜福利视频| 九九在线视频观看精品| 亚洲欧美日韩卡通动漫| 日日摸夜夜添夜夜添av毛片| 亚洲国产欧美在线一区| av黄色大香蕉| 男人舔女人下体高潮全视频| 日本黄色片子视频| 亚洲激情五月婷婷啪啪| 国产精品嫩草影院av在线观看| 欧美最新免费一区二区三区| 久久综合国产亚洲精品| 午夜视频国产福利| 亚洲熟妇中文字幕五十中出| 日韩欧美国产在线观看| 久久精品国产自在天天线| 美女高潮的动态| 国产三级中文精品| av女优亚洲男人天堂| 免费观看在线日韩| 能在线免费看毛片的网站| 白带黄色成豆腐渣| 日本av手机在线免费观看| 91精品一卡2卡3卡4卡| 色哟哟·www| 免费观看精品视频网站| 最近最新中文字幕免费大全7| 日本三级黄在线观看| 26uuu在线亚洲综合色| 啦啦啦啦在线视频资源| 午夜福利在线在线| 国产麻豆成人av免费视频| 欧美精品一区二区大全| 久久久色成人| 日本-黄色视频高清免费观看| 日韩高清综合在线| 欧美最新免费一区二区三区| 国产免费视频播放在线视频 | 国产伦理片在线播放av一区| 日韩强制内射视频| 看黄色毛片网站| 国产成人福利小说| 国产精品电影一区二区三区| 亚洲国产欧洲综合997久久,| av在线老鸭窝| 爱豆传媒免费全集在线观看| 丝袜喷水一区| 在线免费观看的www视频| 乱码一卡2卡4卡精品| 国产私拍福利视频在线观看| 午夜久久久久精精品| 久久久久久久久大av| 精品人妻一区二区三区麻豆| 欧美日韩精品成人综合77777| 欧美成人精品欧美一级黄| 少妇人妻一区二区三区视频| 国产单亲对白刺激| 日本午夜av视频| 亚洲不卡免费看| 久久99热这里只有精品18| 尤物成人国产欧美一区二区三区| 热99在线观看视频| 99久久人妻综合| 99热网站在线观看| 级片在线观看| 97超视频在线观看视频| 国产亚洲av片在线观看秒播厂 | 亚洲成色77777| 97热精品久久久久久| 插逼视频在线观看| 毛片女人毛片| 边亲边吃奶的免费视频| 精品人妻熟女av久视频| 精品一区二区三区人妻视频| 在线免费十八禁| 亚洲精品乱码久久久久久按摩| 韩国av在线不卡| 国产一区二区三区av在线|