• <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 ?

    通信網(wǎng)絡流量分段隱蔽威脅深度包檢測方法

    2024-11-02 00:00:00方欲曉何可人
    現(xiàn)代電子技術(shù) 2024年21期
    關鍵詞:網(wǎng)絡流量數(shù)據(jù)包分段

    摘 "要: 深度威脅攻擊涉及多個網(wǎng)絡層次,攻擊者可能會在不同層次之間進行轉(zhuǎn)換和偽裝,同時還會在不同網(wǎng)絡層次中進行橫向擴散,增加了威脅檢測的難度。為保證通信網(wǎng)絡安全、提高網(wǎng)絡安全防御能力,需可靠實現(xiàn)流量分段隱蔽威脅深度檢測,因此,文中提出基于深度圖卷積神經(jīng)網(wǎng)絡的隱蔽威脅檢測模型。采用Net?Flow技術(shù)捕獲通信網(wǎng)絡流量數(shù)據(jù)包;將捕獲結(jié)果作為深度圖卷積神經(jīng)網(wǎng)絡的隱蔽威脅檢測模型的輸入數(shù)據(jù),依據(jù)該數(shù)據(jù)完成圖生成,利用多層圖卷積層提取深度層次的圖節(jié)點特征;依據(jù)特征結(jié)果實現(xiàn)網(wǎng)絡模型的離線訓練;通過訓練完成后的檢測模型,在線深度檢測網(wǎng)絡流量分段隱蔽威脅,輸出檢測結(jié)果。測試結(jié)果顯示,該方法可精準確定流量中的隱蔽威脅,隱蔽威脅檢測的精準率均在0.956以上,檢測質(zhì)量指數(shù)結(jié)果均在0.95以上。

    關鍵詞: 通信網(wǎng)絡; 流量分段; 隱蔽威脅檢測; 流量包; 深度神經(jīng)網(wǎng)絡; 圖卷積; 圖節(jié)點特征; 圖生成

    中圖分類號: TN711?34; TP393 " " " " " " " " " 文獻標識碼: A " " " " " " " " " " "文章編號: 1004?373X(2024)21?0101?05

    Deep packet detection method for segmented hidden threats

    in communication network traffic

    FANG Yuxiao, HE Keren

    (Office of IT Services and Big Data, Changzhou University, Changzhou 213164, China)

    Abstract: Deep threat attacks involve multiple network layers, and attackers may switch and disguise among different layers. Meanwhile, the attackers spread across different network layers horizontally, which increases the difficulty of threat detection. In view of this, it is necessary to achieve deep detection of hidden threats in traffic segmentation reliably to ensure communication network security and improve the defense capabilities of network security. Therefore, a hidden threat detection model based on deep graph convolutional neural network is proposed. The Net?Flow technology is adopted to capture the communication network traffic data package. The captured results are taken as the input data for the hidden threat detection model based on the depth graph convolutional neural network. The graph generation is completed based on this data. The multi?layer graph convolutional layers are used to extract the graph node features at deep layers. The offline training of network model is implemented based on the results of the features. By training the completed detection model, online deep detection of segmented hidden threats in network traffic is carried out, and the detection results are output. The test results show that the proposed method can identify hidden threats in traffic accurately, and the accuracy rate of hidden threat detection is above 0.956. The results of the detection quality indexes are all above 0.95.

    Keywords: communication network; traffic segmentation; hidden threat detection; traffic package; deep neural network; graph convolution; graph node feature; graph generation

    0 "引 "言

    由于通信網(wǎng)絡是由多個孤立的設備連接組成的一種網(wǎng)絡,該連接是通過物理鏈路完成,使物理設備和主機連接,從而進行信息以及各類資源的共享和通信[1]。該類網(wǎng)絡在通信過程中會存在一定程度的網(wǎng)絡流量分段隱蔽威脅,該類威脅指的是攻擊者通過隱蔽隧道技術(shù)將惡意流量偽裝成正常的通信流量,并通過分段傳輸?shù)姆绞嚼@過安全設備和監(jiān)管,實現(xiàn)網(wǎng)絡穿透、惡意攻擊或數(shù)據(jù)竊取等[2],對于通信網(wǎng)絡的傳輸安全造成較大風險和隱患。因此,需要加強對隱蔽隧道技術(shù)和分段傳輸手段的研究和防范。

    文獻[3]以隱蔽信道為研究核心,結(jié)合攻擊戰(zhàn)術(shù)、技術(shù)和相關程序設計攻擊流量自生成的檢測方法,對網(wǎng)絡中高持續(xù)性威脅進行檢測,但是該方法在應用過程中對于低非持續(xù)性威脅的檢測效果不理想。文獻[4]采用歸一化的方式進行傳送報文的處理,并將其轉(zhuǎn)換成像素值后,再通過二維分類方法進行威脅檢測,但是該方法在應用過程中如果威脅的隱蔽深度以及通信流量較大時會存在漏檢現(xiàn)象。文獻[5]通過采用輕量級消息認證碼、基于Merkle樹的安全哈希算法以及代理導航算法等技術(shù),實現(xiàn)了多通道攻擊檢測,但該方法存在信息泄露或攻擊的風險。文獻[6]結(jié)合動態(tài)混沌交叉優(yōu)化雙向殘差門控循環(huán)單元進行特征提取和自適應Wasserstein生成對抗網(wǎng)絡進行攻擊流量檢測,該方法無法有效處理某些特定類型的不平衡攻擊流量,導致檢測結(jié)果不準確。

    為實現(xiàn)通信網(wǎng)絡流量分段隱蔽威脅深度檢測,本文研究基于深度圖卷積神經(jīng)網(wǎng)絡的通信網(wǎng)絡流量分段隱蔽威脅深度包檢測方法。

    1 "通信網(wǎng)絡流量分段隱蔽威脅檢測

    1.1 "隱蔽威脅深度包檢測方法框架

    為實現(xiàn)通信網(wǎng)絡流量分段隱蔽威脅深度檢測,本文結(jié)合通信流量數(shù)據(jù)包捕獲技術(shù)以及深度圖卷積神經(jīng)網(wǎng)絡,構(gòu)建隱蔽威脅深度包檢測方法框架。整個框架包含兩個部分:一是通信流量數(shù)據(jù)包捕獲;二是隱蔽威脅深度檢測。隱蔽威脅深度包檢測方法框架結(jié)構(gòu)如圖1所示。

    通過捕獲技術(shù)獲取通信網(wǎng)絡的流量鏈路層、網(wǎng)絡層以及應用層的整體流量數(shù)據(jù)包,保證網(wǎng)絡中通信流量數(shù)據(jù)包的全面性[7]。由于深度威脅攻擊涉及在多個網(wǎng)絡層次之間進行轉(zhuǎn)換和偽裝,使其更難以被檢測和防御。而深度圖卷積神經(jīng)網(wǎng)絡能夠在不同層次上提取復雜的數(shù)據(jù)特征并學習網(wǎng)絡關系,因此具備解決深度威脅攻擊的優(yōu)勢,能夠更全面、深入地分析網(wǎng)絡流量數(shù)據(jù),更精準地實現(xiàn)通信網(wǎng)絡中的各種分段隱蔽威脅以及深度網(wǎng)絡攻擊。

    該方法在應用過程中,能夠?qū)崿F(xiàn)多種類別通信流量的分段隱蔽威脅深度檢測,例如視頻流量、數(shù)據(jù)流量以及圖片流量等,可對IP端口威脅、協(xié)議威脅、數(shù)據(jù)流量威脅等實現(xiàn)深度檢測,精準、全面發(fā)現(xiàn)隱蔽在網(wǎng)絡流量中的威脅和攻擊[8]。

    1.2 "通信流量數(shù)據(jù)包捕獲

    通信網(wǎng)絡流量隱蔽威脅深度檢測時,需獲取通信流量數(shù)據(jù)包,以此確定流量中存在的隱蔽威脅或者攻擊行為,為網(wǎng)絡運維安全管理對于威脅源頭的追蹤和定位提供依據(jù),因此,在隱蔽威脅深度前,流量數(shù)據(jù)包捕獲尤為重要。為保證通信網(wǎng)絡流量數(shù)據(jù)包的捕獲效果,采用Net?Flow技術(shù)完成,該技術(shù)可實現(xiàn)網(wǎng)絡設備中的數(shù)據(jù)加速交換,同時實現(xiàn)高速傳輸中的數(shù)據(jù)流測量以及捕獲,能夠完成網(wǎng)絡流量所有數(shù)據(jù)包的記錄,并將其發(fā)送至集中式服務器上。通信流量數(shù)據(jù)包捕獲流程圖如圖2所示。

    通信網(wǎng)絡在使用過程中,用戶進入網(wǎng)絡后,所有的操作均會形成網(wǎng)絡數(shù)據(jù)流量,該流量會隨著操作行為的變化呈現(xiàn)差異性,因此,精準掌握該差異性即可實現(xiàn)用戶行為的反向分析和判斷[9]。因此,依據(jù)捕獲的網(wǎng)絡流量數(shù)據(jù)包可實現(xiàn)網(wǎng)絡分段隱蔽威脅深度檢測。

    1.3 "基于深度圖卷積神經(jīng)網(wǎng)絡的隱蔽威脅檢測模型

    在完成通信網(wǎng)絡流量數(shù)據(jù)包捕獲后,進行通信流量隱蔽威脅檢測,為保證檢測的可靠性以及全面性,構(gòu)建深度圖卷積神經(jīng)網(wǎng)絡檢測模型,模型的整體結(jié)構(gòu)如圖3所示。

    該模型采用分層提取特征的方法,以應對深度威脅攻擊涉及多個網(wǎng)絡層次的問題。整個模型分為離線訓練和在線檢測兩個部分。將捕獲的通信網(wǎng)絡流量數(shù)據(jù)包作為該模型的輸入數(shù)據(jù),依據(jù)該數(shù)據(jù)實現(xiàn)圖生成,并且利用多層卷積層提取深度層次的圖節(jié)點特征[10],提取的特征包含源IP、目的IP、節(jié)點入度和出度、節(jié)點介數(shù)中心性、包級特征以及流級特征等。離線訓練通過進行特征選擇后,實現(xiàn)網(wǎng)絡模型的離線訓練,以檢測誤差作為訓練指標,當訓練結(jié)果滿足誤差指標后完成訓練。這種分層提取特征的方法有助于解決深度威脅攻擊在不同網(wǎng)絡層次之間進行轉(zhuǎn)換和偽裝的問題。通過在不同層次上提取特征,能夠更全面地捕捉到攻擊者的行為模式,從而更準確地識別出隱蔽威脅。

    在該部分中,依據(jù)提取的圖節(jié)點結(jié)構(gòu)特征向量完成節(jié)點排序,并將排序后的特征向量進行連接,呈現(xiàn)圖結(jié)果展示。模型中的圖卷積層對生成的圖結(jié)果進行圖卷積處理[11],并管理全連接層和分類器完成圖分類處理,最終輸出圖分類結(jié)果,即獲取隱蔽威脅檢測結(jié)果。詳細檢測過程如下所述。

    1.3.1 "圖生成

    為保證網(wǎng)絡流量分段隱蔽威脅的深度檢測效果,僅選擇通信網(wǎng)絡中節(jié)點的源IP、目的IP、節(jié)點入度和出度、節(jié)點介數(shù)中心性幾個特征構(gòu)建對應的拓撲圖。

    圖生成過程中,依據(jù)不同的特征完成,圖節(jié)點以及圖的邊分別采用進行通信的主機以及主機之間的連接關系表示,構(gòu)建拓撲圖[Ge=V,E],節(jié)點集合用[V=v1,v2,…,vn]表示,相鄰節(jié)點矩陣用[E]表示,該矩陣元素用[eij]表示,其為兩個節(jié)點[vi]和[vj]之間發(fā)生的直接通信。

    以節(jié)點的入度和出度兩種屬性為基礎,將入度作為拓撲圖中各個節(jié)點之間的權(quán)重,構(gòu)建入度圖[Gd=V,D],其中,[D=diagd1,d2,…,dn]表示相應節(jié)點的度。

    介數(shù)中心性主要用于描述非相鄰兩個節(jié)點之間的依賴性,依據(jù)節(jié)點介數(shù)中心性屬性,將其作為拓撲圖中各個節(jié)點之間的權(quán)重,以此構(gòu)建介數(shù)中心性圖[Gb=V,B],如果節(jié)點[v]的中心性系數(shù)用[Bv]表示,其計算公式為:

    [Bv=i≠j≠v?Vηijvηij] (1)

    式中:[ηijv]表示流經(jīng)節(jié)點[v]的最短路徑數(shù)量;[ηij]表示節(jié)點[vi]到節(jié)點[vj]之間最短路徑數(shù)量。

    依據(jù)上述內(nèi)容完成[Ge=V,E]、[Gd=V,D]、[Gb=V,B]構(gòu)建,依據(jù)構(gòu)建的3個圖進行圖融合,在該過程中,[A]表示3個圖的鄰接矩陣;采用標準化的方式對[A]進行處理,對處理后的結(jié)果進行加權(quán)求和,最終完成不同圖的生成。在融合過程中,為保證圖的融合效果,在加權(quán)矩陣中引入Softmax運算,提升圖的融合效果。圖融合的計算公式為:

    [G=Bvi=13wi?Ai] (2)

    式中:[wi]表示圖中位于任意邊上的第[i]個權(quán)重,且[wi=Softmaxwi];“[?]”表示卷積運算;[Ai]表示標準化處理后的鄰接矩陣;[G]表示融合后獲取的最終圖結(jié)果。

    1.3.2 "圖卷積

    完成圖生成后,進行圖節(jié)點結(jié)構(gòu)特征向量提取,提取完成后將特征矩陣和節(jié)點編碼矩陣進行拼接處理,生成節(jié)點信息矩陣[X],通過圖卷積對其進行處理[12],則圖卷積層的輸出結(jié)果計算公式為:

    [Z=fGD-1AXW] (3)

    式中:[Z]表示輸出的激活矩陣;[f?]表示非線性激活函數(shù);[W]表示可調(diào)節(jié)的參數(shù)矩陣;[D-1]表示度矩陣。[D-1]的計算公式為:

    [D-1=jAij] (4)

    依據(jù)式(4),圖卷積分為如下四步:第一步是對[X]應用線性特征變換處理,將其特征向量映射至下一層中,實現(xiàn)[W]在所有節(jié)點之間的共享;第二步是向相鄰節(jié)點和節(jié)點自身中傳播節(jié)點信息[Y];第三步是將[D-1]和[AY]相乘,實現(xiàn)結(jié)果矩陣的歸一化處理,以此在圖卷積處理后,保證固定的特征尺度;第四步利用[f?]進行非線性轉(zhuǎn)換。

    為實現(xiàn)圖節(jié)點結(jié)構(gòu)特征的深度提取,將多個圖卷積層進行堆疊,以此獲取深層次的結(jié)構(gòu)特征[13],其計算公式為:

    [St+1=ZfD-1AStWt] (5)

    式中:[St]和[Wt]分別表示第[t]個圖卷積層的輸出和參數(shù)矩陣。

    將[St]結(jié)果進行水平連接,以此得出總特征結(jié)果[S1:t=S1,S2,…,St],[S1:t]的任意一個節(jié)點的特征向量均包含圖節(jié)點的深層次結(jié)構(gòu)信息。

    1.3.3 "檢測輸出

    將獲取的[S1:t]結(jié)果輸入至全連接層中,該層中的排序池對其進行處理后,輸出一個存在[k]行的向量矩陣。通過該層進行池化后,可實現(xiàn)原有節(jié)點數(shù)量的轉(zhuǎn)換,將[n]個節(jié)點轉(zhuǎn)換成[k]個節(jié)點,對轉(zhuǎn)換后的節(jié)點進行排序,按照排列順序?qū)⑵湔归_,形成圖表示結(jié)果。最后通過分類器輸出通信網(wǎng)絡流量分段隱蔽威脅檢測結(jié)果。

    2 "測試分析

    為驗證本文檢測方法的應用效果,以某政務部門內(nèi)部的通信網(wǎng)絡作為測試對象,該網(wǎng)絡共包含10臺主機、2個路由、1臺客戶端主機、4臺入侵主機以及3臺Web服務器。其中,入侵主機組成風險域。搭建本文提出的深度圖卷積神經(jīng)網(wǎng)絡模型,該模型搭建時使用的編程語言為Python,選擇的機器學習庫為Keras 2.2.4,該網(wǎng)絡的結(jié)構(gòu)如圖4所示。

    深度圖卷積神經(jīng)網(wǎng)絡的參數(shù)設置如下:在圖卷積層中,輸出特征向量維度為32,卷積核數(shù)量為16,移動步長為128,卷積核尺寸為128;在池化層中,尺寸為2;在隱含層中,神經(jīng)元數(shù)量為128;在全連接層中,神經(jīng)元數(shù)量為1。這些參數(shù)設定旨在實現(xiàn)對輸入數(shù)據(jù)的有效特征提取和網(wǎng)絡學習,以達到檢測深度威脅攻擊的目的。

    采用本文方法捕獲該通信網(wǎng)絡通信流量數(shù)據(jù)包,捕獲的流量數(shù)據(jù)包詳情如表1所示。

    將捕獲的網(wǎng)絡流量數(shù)據(jù)包劃分為訓練集和測試集,訓練集中的樣本數(shù)量為30 000個,其中包含25 000個隱蔽威脅樣本;測試集樣本數(shù)量為15 000個,其中包含隱蔽威脅樣本數(shù)量10 000個,將上述流量包數(shù)據(jù)作為本文方法的測試數(shù)據(jù)。

    為驗證本文方法對于通信網(wǎng)絡流量中分段式隱蔽威脅的檢測效果,隨意選擇一段捕獲的數(shù)據(jù)包,通過本文方法對其進行深度檢測,獲取隱蔽威脅的檢測結(jié)果如圖5所示。

    分析圖5測試結(jié)果得出:通信網(wǎng)絡在通信過程中,采用本文方法對通信流量中分段隱蔽威脅進行檢測,可精準確定流量中的隱蔽威脅,檢測效果良好。

    為進一步驗證本文方法對通信流量中分段隱蔽威脅的檢測效果,在不同的流量分段長度下,本文方法對3種類別數(shù)據(jù)包的精準率檢測結(jié)果如表2所示。

    分析表2測試結(jié)果得出:在不同的流量分段長度下,采用本文方法對高速流量、慢速流量以及正常流量的數(shù)據(jù)包進行隱蔽威脅檢測,隱蔽威脅檢測的精準率均在0.956以上,應用效果良好。

    為深入驗證本文方法的應用性,選擇檢測質(zhì)量指數(shù)[ψ]作為評價指標,該指標能夠判斷本文方法對于分段隱蔽式威脅檢測的可靠性,該指標的計算公式為:

    [ψ=XZ×YUXZ-XZ×YU+YU] (6)

    式中:[X]、[Z]表示隱蔽威脅的檢測結(jié)果和實際結(jié)果;[Y]、[U]表示檢測的分段數(shù)量和流量傳輸用戶數(shù)量。

    依據(jù)式(6),計算本文方法在不同的用戶數(shù)量下隨著數(shù)據(jù)包數(shù)量的逐漸增加,檢測質(zhì)量指數(shù)[ψ]的測試結(jié)果,該值在0~1之間,其值越大,表示檢測質(zhì)量越佳,測試結(jié)果如圖6所示。

    分析圖6測試結(jié)果得出:在不同的用戶數(shù)量下,隨著數(shù)據(jù)包數(shù)量的逐漸增加,采用本文方法進行通信流量中分段隱蔽威脅檢測,檢測質(zhì)量指數(shù)[ψ]結(jié)果均在0.95以上,其中最大值接近0.995。因此,本文方法具備較好的通信流量分段隱蔽威脅深度檢測效果,滿足網(wǎng)絡安全應用需求。

    3 "結(jié) "語

    為保證通信網(wǎng)絡安全,加強對隱蔽隧道技術(shù)和分段傳輸手段的研究和防范,提高網(wǎng)絡安全防御能力,本文研究通信網(wǎng)絡流量分段隱蔽威脅深度包檢測方法,對該方法的應用效果展開相關測試后得出,其具備較好的應用效果,可精準確定通信流量中的分段式隱蔽威脅,為網(wǎng)絡安全防御提供了可靠依據(jù)。

    參考文獻

    [1] 鐘妮,王劍.基于FRFT的網(wǎng)絡流量異常數(shù)據(jù)快速捕獲方法[J].計算機仿真,2023,40(4):413?416.

    [2] 尹梓諾,馬海龍,胡濤.基于聯(lián)合注意力機制和一維卷積神經(jīng)網(wǎng)絡?雙向長短期記憶網(wǎng)絡模型的流量異常檢測方法[J].電子與信息學報,2023,45(10):3719?3728.

    [3] 刁嘉文,方濱興,田志宏,等.基于攻擊流量自生成的DNS隱蔽信道檢測方法[J].計算機學報,2022,45(10):2190?2206.

    [4] 陳虹呂,王詩蕊,李峰,等.基于灰度圖像轉(zhuǎn)化的時間型隱蔽信道檢測方法[J].四川大學學報(自然科學版),2023,60(3):93?102.

    [5] KUMAR R A, VINUTHNA K. Multi?channel attack detection based on lightweight message authentication code access control using Internet of Things design [J]. Transactions on emerging telecommunications technologies, 2022, 33(7): e4498.

    [6] LI K H, MA W G, DUAN H W, et al. Unbalanced network attack traffic detection based on feature extraction and GFDA?WGAN [J]. Computer networks, 2022, 216: 109283.

    [7] 吳戀,趙晨潔,韋萍萍,等.基于輕量級深度網(wǎng)絡的計算機病毒檢測方法[J].計算機工程與設計,2022,43(3):632?638.

    [8] 李海濤,王瑞敏,董衛(wèi)宇,等.一種基于GRU的半監(jiān)督網(wǎng)絡流量異常檢測方法[J].計算機科學,2023,50(3):380?390.

    [9] 劉小洋,劉加苗,劉超,等.融合字符級滑動窗口和深度殘差網(wǎng)絡的僵尸網(wǎng)絡DGA域名檢測方法[J].電子學報,2022,50(1):250?256.

    [10] 谷勇浩,黃博琪,王繼剛,等.基于半監(jiān)督深度學習的木馬流量檢測方法[J].計算機研究與發(fā)展,2022,59(6):1329?1342.

    [11] 胡向東,張婷.基于時空融合深度學習的工業(yè)互聯(lián)網(wǎng)異常流量檢測方法[J].重慶郵電大學學報(自然科學版),2022,34(6):1056?1064.

    [12] 應捷,徐文成,楊海馬,等.融合自適應圖卷積與Transformer序列模型的中文手語翻譯方法[J].計算機應用研究,2023,40(5):1589?1594.

    [13] 朱金俠,孟祥福,邢長征,等.融合圖卷積注意力機制的協(xié)同過濾推薦方法[J].智能系統(tǒng)學報,2023,18(6):1295?1304.

    作者簡介:方欲曉(1985—),男,安徽安慶人,碩士研究生,實驗師,研究方向為信創(chuàng)機房建設與管理、計算機實驗室管理與維護。

    何可人(1979—),男,江蘇常州人,碩士研究生,副教授,研究方向為網(wǎng)絡通信技術(shù)、嵌入式系統(tǒng)軟硬件開發(fā)。

    猜你喜歡
    網(wǎng)絡流量數(shù)據(jù)包分段
    基于多元高斯分布的網(wǎng)絡流量異常識別方法
    一類連續(xù)和不連續(xù)分段線性系統(tǒng)的周期解研究
    基于神經(jīng)網(wǎng)絡的P2P流量識別方法
    分段計算時間
    SmartSniff
    AVB網(wǎng)絡流量整形幀模型端到端延遲計算
    3米2分段大力士“大”在哪兒?
    太空探索(2016年9期)2016-07-12 10:00:04
    基于Libpcap的網(wǎng)絡數(shù)據(jù)包捕獲器的設計與實現(xiàn)
    網(wǎng)絡流量監(jiān)控對網(wǎng)絡安全治理的重要性
    河南科技(2014年23期)2014-02-27 14:18:43
    關于年齡分段的描述
    夜夜看夜夜爽夜夜摸| 日韩制服骚丝袜av| 久久99热这里只频精品6学生| 在现免费观看毛片| 亚洲图色成人| 高清视频免费观看一区二区| 婷婷色麻豆天堂久久| 一级片'在线观看视频| 最后的刺客免费高清国语| 亚洲国产成人一精品久久久| 久久精品国产亚洲av涩爱| 欧美精品人与动牲交sv欧美| 欧美另类一区| 国产中年淑女户外野战色| 午夜精品一区二区三区免费看| 五月开心婷婷网| 精华霜和精华液先用哪个| 青春草亚洲视频在线观看| 熟女人妻精品中文字幕| 少妇的逼水好多| 亚洲精品aⅴ在线观看| 精品久久久久久电影网| 美女内射精品一级片tv| 97在线人人人人妻| 国产高清不卡午夜福利| 美女国产视频在线观看| 美女cb高潮喷水在线观看| 尤物成人国产欧美一区二区三区| 在线天堂最新版资源| 日韩不卡一区二区三区视频在线| 国语对白做爰xxxⅹ性视频网站| 国产精品一二三区在线看| 狠狠精品人妻久久久久久综合| 国产在线一区二区三区精| 青春草国产在线视频| 亚洲图色成人| 99热6这里只有精品| 国产精品99久久99久久久不卡 | 亚洲精品视频女| 免费高清在线观看视频在线观看| 自拍偷自拍亚洲精品老妇| 少妇人妻一区二区三区视频| 婷婷色麻豆天堂久久| 欧美日韩视频精品一区| 少妇人妻一区二区三区视频| 亚洲欧洲国产日韩| 亚洲精品乱久久久久久| 中国国产av一级| 性插视频无遮挡在线免费观看| 国产精品秋霞免费鲁丝片| 少妇丰满av| 国产精品人妻久久久影院| 亚洲最大成人av| 欧美zozozo另类| 能在线免费看毛片的网站| 国产久久久一区二区三区| 99久久九九国产精品国产免费| av国产免费在线观看| 日本av手机在线免费观看| 99热这里只有是精品在线观看| 人妻 亚洲 视频| 91午夜精品亚洲一区二区三区| 国国产精品蜜臀av免费| 少妇 在线观看| 欧美变态另类bdsm刘玥| 91午夜精品亚洲一区二区三区| 久久久精品94久久精品| 91精品国产九色| 黄色一级大片看看| 免费播放大片免费观看视频在线观看| 男插女下体视频免费在线播放| 免费黄频网站在线观看国产| 日韩欧美 国产精品| 大片电影免费在线观看免费| 国产精品一区www在线观看| 精品视频人人做人人爽| 国产精品成人在线| 亚洲欧美日韩卡通动漫| av黄色大香蕉| 国产永久视频网站| 亚洲最大成人av| 成年免费大片在线观看| 伦理电影大哥的女人| 国内揄拍国产精品人妻在线| 亚洲婷婷狠狠爱综合网| 亚洲在线观看片| 两个人的视频大全免费| 超碰av人人做人人爽久久| 欧美3d第一页| 看十八女毛片水多多多| 亚洲国产欧美在线一区| 午夜激情福利司机影院| 国产伦理片在线播放av一区| 亚洲成人精品中文字幕电影| 美女内射精品一级片tv| 日韩电影二区| 日本色播在线视频| 精品久久久精品久久久| 亚洲av中文字字幕乱码综合| 亚洲天堂av无毛| 91在线精品国自产拍蜜月| 国产久久久一区二区三区| 欧美区成人在线视频| 亚洲精品乱久久久久久| 日韩一区二区三区影片| 人人妻人人澡人人爽人人夜夜| 国产精品久久久久久精品电影| 18禁裸乳无遮挡免费网站照片| av在线老鸭窝| 久久久午夜欧美精品| 天美传媒精品一区二区| 极品少妇高潮喷水抽搐| 身体一侧抽搐| 色视频在线一区二区三区| 欧美极品一区二区三区四区| 国产免费福利视频在线观看| 青春草亚洲视频在线观看| 亚洲精品中文字幕在线视频 | 91精品国产九色| 亚洲色图av天堂| 国产成人91sexporn| 免费观看的影片在线观看| 亚洲三级黄色毛片| 少妇人妻一区二区三区视频| 禁无遮挡网站| 亚洲性久久影院| 看非洲黑人一级黄片| 最后的刺客免费高清国语| 欧美97在线视频| 日韩一本色道免费dvd| 在线观看国产h片| 国产一级毛片在线| 亚洲第一区二区三区不卡| 高清av免费在线| 国产中年淑女户外野战色| 亚洲欧美日韩东京热| 亚洲怡红院男人天堂| 男人和女人高潮做爰伦理| 日韩欧美一区视频在线观看 | 久久久久久九九精品二区国产| av一本久久久久| 亚洲精品中文字幕在线视频 | 国产亚洲av片在线观看秒播厂| 国内精品美女久久久久久| 久久ye,这里只有精品| 免费看日本二区| 老司机影院毛片| 亚洲国产欧美在线一区| 国产v大片淫在线免费观看| 夫妻性生交免费视频一级片| 亚洲精品国产成人久久av| 嘟嘟电影网在线观看| av天堂中文字幕网| 久久ye,这里只有精品| 国产精品蜜桃在线观看| 国产精品一区二区性色av| 日韩强制内射视频| 极品少妇高潮喷水抽搐| 亚洲自拍偷在线| 91精品伊人久久大香线蕉| 精品久久久噜噜| 亚洲精品自拍成人| 最后的刺客免费高清国语| 亚洲久久久久久中文字幕| 人妻制服诱惑在线中文字幕| 高清av免费在线| 婷婷色av中文字幕| 最近中文字幕2019免费版| 国产黄a三级三级三级人| 欧美丝袜亚洲另类| 国产熟女欧美一区二区| 国产综合精华液| 亚洲精品一区蜜桃| 久久99蜜桃精品久久| 欧美成人一区二区免费高清观看| 欧美日本视频| 七月丁香在线播放| 久久人人爽人人片av| 国产精品一区二区三区四区免费观看| 夫妻午夜视频| 久久精品国产a三级三级三级| 中文天堂在线官网| av在线播放精品| 亚洲人成网站高清观看| av免费观看日本| 99久国产av精品国产电影| 欧美老熟妇乱子伦牲交| av又黄又爽大尺度在线免费看| 三级国产精品片| 免费黄网站久久成人精品| 三级国产精品欧美在线观看| 男男h啪啪无遮挡| 老女人水多毛片| 亚洲精品亚洲一区二区| 六月丁香七月| 亚洲av中文字字幕乱码综合| 丰满人妻一区二区三区视频av| 国产中年淑女户外野战色| .国产精品久久| 97在线视频观看| 亚洲精品国产av蜜桃| 日本黄大片高清| 天美传媒精品一区二区| 亚洲av成人精品一区久久| 国产精品偷伦视频观看了| 最后的刺客免费高清国语| 91精品一卡2卡3卡4卡| 久久久成人免费电影| 亚洲欧美一区二区三区国产| 精品国产一区二区三区久久久樱花 | 99精国产麻豆久久婷婷| 精品午夜福利在线看| 亚洲精品中文字幕在线视频 | 日韩一区二区视频免费看| 26uuu在线亚洲综合色| 久久久久精品性色| 成人亚洲精品一区在线观看 | 91在线精品国自产拍蜜月| 国产成人精品一,二区| 日韩欧美精品v在线| 精品久久久精品久久久| 伦精品一区二区三区| 亚州av有码| 韩国高清视频一区二区三区| 熟女电影av网| 大片免费播放器 马上看| 人人妻人人看人人澡| 亚洲av男天堂| 国产欧美日韩一区二区三区在线 | 极品教师在线视频| 国产极品天堂在线| 精品一区二区三区视频在线| 欧美区成人在线视频| 在线观看美女被高潮喷水网站| 国产日韩欧美在线精品| 精品久久久久久电影网| 18禁动态无遮挡网站| 国产高潮美女av| 亚洲国产精品成人综合色| 久久这里有精品视频免费| 成人国产麻豆网| 国产成人a∨麻豆精品| 精品亚洲乱码少妇综合久久| 欧美日本视频| 免费播放大片免费观看视频在线观看| 能在线免费看毛片的网站| 精品人妻一区二区三区麻豆| 国产成人freesex在线| 99视频精品全部免费 在线| 99久久中文字幕三级久久日本| 插阴视频在线观看视频| 国产乱人偷精品视频| 女人久久www免费人成看片| 日日撸夜夜添| 国产精品熟女久久久久浪| 丝袜喷水一区| 2022亚洲国产成人精品| 日日摸夜夜添夜夜爱| 一级爰片在线观看| 日本-黄色视频高清免费观看| 国产成人免费观看mmmm| av国产久精品久网站免费入址| 伊人久久国产一区二区| 午夜福利在线观看免费完整高清在| 男女下面进入的视频免费午夜| 色视频在线一区二区三区| 蜜桃亚洲精品一区二区三区| 精品酒店卫生间| 99久久中文字幕三级久久日本| 亚洲成人久久爱视频| 三级男女做爰猛烈吃奶摸视频| 欧美国产精品一级二级三级 | 高清av免费在线| 下体分泌物呈黄色| 精品熟女少妇av免费看| 插阴视频在线观看视频| 大陆偷拍与自拍| 国产高清有码在线观看视频| 97超碰精品成人国产| xxx大片免费视频| 午夜精品国产一区二区电影 | 婷婷色综合www| 国产一区二区三区综合在线观看 | 久久精品国产亚洲网站| 国产高潮美女av| 国语对白做爰xxxⅹ性视频网站| 亚洲最大成人中文| 久久综合国产亚洲精品| 亚洲国产精品999| 一级片'在线观看视频| 极品少妇高潮喷水抽搐| 久久久成人免费电影| 亚洲精品中文字幕在线视频 | 搞女人的毛片| 青春草亚洲视频在线观看| 精品一区二区三卡| 日韩制服骚丝袜av| 久久精品国产a三级三级三级| 成人黄色视频免费在线看| 丝袜脚勾引网站| 亚洲电影在线观看av| 国产成人免费无遮挡视频| 伦精品一区二区三区| 国产精品三级大全| 美女被艹到高潮喷水动态| 国产成人免费观看mmmm| videos熟女内射| 99热国产这里只有精品6| 成人鲁丝片一二三区免费| 两个人的视频大全免费| 老司机影院成人| 久久女婷五月综合色啪小说 | 午夜免费男女啪啪视频观看| 亚洲内射少妇av| 尤物成人国产欧美一区二区三区| 亚洲国产精品专区欧美| 亚洲久久久久久中文字幕| 少妇人妻一区二区三区视频| 美女视频免费永久观看网站| 亚洲成人精品中文字幕电影| 性色av一级| 一级二级三级毛片免费看| 亚洲在线观看片| 国产成人91sexporn| 欧美 日韩 精品 国产| 街头女战士在线观看网站| 国产人妻一区二区三区在| 中文欧美无线码| 在现免费观看毛片| 一级毛片黄色毛片免费观看视频| 男插女下体视频免费在线播放| 国产高清不卡午夜福利| 欧美xxxx黑人xx丫x性爽| 亚洲国产日韩一区二区| 啦啦啦中文免费视频观看日本| 波多野结衣巨乳人妻| xxx大片免费视频| tube8黄色片| 久久99热这里只有精品18| 国产欧美日韩一区二区三区在线 | 亚洲精品一区蜜桃| 日日撸夜夜添| 亚洲精品一区蜜桃| 国产精品国产三级国产av玫瑰| 内地一区二区视频在线| 国产极品天堂在线| 国产精品国产三级国产专区5o| 男女啪啪激烈高潮av片| 99热全是精品| 亚洲成人精品中文字幕电影| 成人二区视频| av在线观看视频网站免费| 狂野欧美白嫩少妇大欣赏| av网站免费在线观看视频| 免费观看的影片在线观看| 在线天堂最新版资源| 美女内射精品一级片tv| 国产有黄有色有爽视频| 在现免费观看毛片| 成人毛片60女人毛片免费| 男人和女人高潮做爰伦理| 日本免费在线观看一区| 久久国内精品自在自线图片| 国产欧美亚洲国产| 欧美少妇被猛烈插入视频| 国产人妻一区二区三区在| 久久韩国三级中文字幕| 久久精品国产a三级三级三级| 大陆偷拍与自拍| 亚洲国产欧美在线一区| 又爽又黄无遮挡网站| 国产熟女欧美一区二区| 国产亚洲午夜精品一区二区久久 | 赤兔流量卡办理| 黄片无遮挡物在线观看| 一本久久精品| 欧美老熟妇乱子伦牲交| 美女国产视频在线观看| 在线免费十八禁| 欧美激情久久久久久爽电影| 亚洲伊人久久精品综合| 建设人人有责人人尽责人人享有的 | 精品人妻视频免费看| 高清欧美精品videossex| 高清视频免费观看一区二区| av又黄又爽大尺度在线免费看| 国产精品伦人一区二区| 亚洲成人av在线免费| 久久久国产一区二区| 午夜精品国产一区二区电影 | 精品午夜福利在线看| 高清欧美精品videossex| 亚洲欧美成人精品一区二区| 26uuu在线亚洲综合色| 乱系列少妇在线播放| 伊人久久精品亚洲午夜| 久久人人爽人人爽人人片va| 亚洲精品中文字幕在线视频 | 国产av国产精品国产| 精品一区二区三卡| 国产精品av视频在线免费观看| 欧美xxxx性猛交bbbb| 亚洲欧美一区二区三区黑人 | 亚洲精品国产av蜜桃| 色网站视频免费| 一级片'在线观看视频| 中文字幕亚洲精品专区| 永久免费av网站大全| 午夜老司机福利剧场| 国产成人午夜福利电影在线观看| 久久99热这里只有精品18| 热re99久久精品国产66热6| 人体艺术视频欧美日本| 夫妻午夜视频| 黄色 视频免费看| 天堂中文最新版在线下载| 午夜免费鲁丝| 国产一区有黄有色的免费视频| 亚洲av国产av综合av卡| 亚洲国产最新在线播放| 蜜桃在线观看..| 国产欧美日韩综合在线一区二区| 亚洲四区av| 精品一品国产午夜福利视频| 亚洲精品自拍成人| 久久久久精品性色| 极品少妇高潮喷水抽搐| 街头女战士在线观看网站| 黄色视频在线播放观看不卡| 免费女性裸体啪啪无遮挡网站| 黑人猛操日本美女一级片| 中文字幕制服av| 最新的欧美精品一区二区| 亚洲欧美清纯卡通| 一区二区三区激情视频| 国产午夜精品一二区理论片| 亚洲av中文av极速乱| 久久久久人妻精品一区果冻| 日韩一区二区三区影片| 亚洲精品美女久久av网站| 只有这里有精品99| 精品第一国产精品| 少妇人妻精品综合一区二区| videos熟女内射| 岛国毛片在线播放| 这个男人来自地球电影免费观看 | 激情五月婷婷亚洲| 国产片特级美女逼逼视频| 蜜桃在线观看..| 亚洲精品自拍成人| 一级毛片电影观看| 亚洲一区中文字幕在线| 久久狼人影院| 国产伦人伦偷精品视频| 成人三级做爰电影| 精品卡一卡二卡四卡免费| 黑人巨大精品欧美一区二区蜜桃| 欧美精品av麻豆av| 午夜福利乱码中文字幕| 一边亲一边摸免费视频| 亚洲国产看品久久| 国产男人的电影天堂91| 亚洲国产毛片av蜜桃av| 国产精品秋霞免费鲁丝片| 成年av动漫网址| 在线观看免费午夜福利视频| 欧美亚洲日本最大视频资源| 中文欧美无线码| 丰满饥渴人妻一区二区三| 亚洲精品久久久久久婷婷小说| 777久久人妻少妇嫩草av网站| 亚洲七黄色美女视频| 日韩免费高清中文字幕av| 久久久久久久久久久免费av| 久久午夜综合久久蜜桃| 精品一品国产午夜福利视频| 亚洲国产中文字幕在线视频| 男人添女人高潮全过程视频| 亚洲国产欧美在线一区| 巨乳人妻的诱惑在线观看| 日韩制服骚丝袜av| 欧美成人午夜精品| 亚洲精品aⅴ在线观看| 日日摸夜夜添夜夜爱| 深夜精品福利| 男女国产视频网站| 久久狼人影院| 爱豆传媒免费全集在线观看| 涩涩av久久男人的天堂| 久久久久精品久久久久真实原创| 国产亚洲一区二区精品| 国产精品国产三级专区第一集| 亚洲欧美日韩另类电影网站| 欧美日韩亚洲综合一区二区三区_| 国产成人a∨麻豆精品| 亚洲精品美女久久av网站| 人人澡人人妻人| 亚洲欧美成人精品一区二区| 亚洲欧洲精品一区二区精品久久久 | 精品久久久精品久久久| 午夜福利在线免费观看网站| 日日摸夜夜添夜夜爱| 人妻一区二区av| 一级片'在线观看视频| 久久人人97超碰香蕉20202| 亚洲天堂av无毛| 国产日韩欧美视频二区| 午夜福利网站1000一区二区三区| 我要看黄色一级片免费的| 国产成人精品久久久久久| av卡一久久| 在线精品无人区一区二区三| 久久影院123| 久久精品熟女亚洲av麻豆精品| av片东京热男人的天堂| 国产欧美日韩一区二区三区在线| 1024视频免费在线观看| 最近2019中文字幕mv第一页| 欧美xxⅹ黑人| 美女国产高潮福利片在线看| 亚洲欧美一区二区三区黑人| 久久精品亚洲熟妇少妇任你| 免费高清在线观看日韩| 日本av手机在线免费观看| a级片在线免费高清观看视频| 国产视频首页在线观看| 久热这里只有精品99| 日韩一卡2卡3卡4卡2021年| 丝瓜视频免费看黄片| 日本午夜av视频| 久久精品久久久久久久性| 国产一区二区三区av在线| 久久久久久久大尺度免费视频| 最黄视频免费看| 久久久久久久大尺度免费视频| 又大又黄又爽视频免费| 亚洲国产成人一精品久久久| 久久久亚洲精品成人影院| 欧美日韩精品网址| 一级,二级,三级黄色视频| 九色亚洲精品在线播放| 久久99一区二区三区| 老司机影院成人| 中文天堂在线官网| 欧美精品亚洲一区二区| 国产极品天堂在线| 久久久精品区二区三区| 美女主播在线视频| 丝瓜视频免费看黄片| 少妇人妻 视频| 久久人人97超碰香蕉20202| bbb黄色大片| 久久久久久久国产电影| 日韩精品有码人妻一区| 亚洲国产精品国产精品| 成人国语在线视频| 999久久久国产精品视频| 久久久久精品久久久久真实原创| 男人舔女人的私密视频| 极品人妻少妇av视频| 国产免费又黄又爽又色| 男女边吃奶边做爰视频| 亚洲成av片中文字幕在线观看| 久久精品久久精品一区二区三区| 国产男女超爽视频在线观看| 国产精品久久久久成人av| 男女下面插进去视频免费观看| 欧美精品亚洲一区二区| 国产精品成人在线| 久久久久久人妻| 成人国语在线视频| 成年动漫av网址| 成人漫画全彩无遮挡| 国产成人一区二区在线| 精品少妇内射三级| 欧美日韩综合久久久久久| 欧美人与性动交α欧美软件| 天天躁夜夜躁狠狠久久av| 一区二区三区激情视频| 亚洲欧洲国产日韩| 欧美成人精品欧美一级黄| 久久精品亚洲av国产电影网| 国产精品一区二区精品视频观看| 成人毛片60女人毛片免费| 欧美 亚洲 国产 日韩一| 午夜福利在线免费观看网站| 亚洲精品久久午夜乱码| 欧美激情 高清一区二区三区| 午夜激情久久久久久久| 国产深夜福利视频在线观看| 成人手机av| 黄色视频在线播放观看不卡| 波野结衣二区三区在线| 黄色怎么调成土黄色| 久久天堂一区二区三区四区| 爱豆传媒免费全集在线观看| 九九爱精品视频在线观看| 亚洲精品,欧美精品| 曰老女人黄片| 香蕉丝袜av| 午夜福利视频精品| 亚洲国产精品999| 多毛熟女@视频| 高清在线视频一区二区三区| 亚洲人成电影观看| 我要看黄色一级片免费的| 女性生殖器流出的白浆| svipshipincom国产片| 天天躁狠狠躁夜夜躁狠狠躁| av免费观看日本| 美女视频免费永久观看网站| 国产国语露脸激情在线看| 国产精品久久久av美女十八| 欧美国产精品一级二级三级| 精品少妇黑人巨大在线播放|