• <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
    亚洲精品日韩在线中文字幕| 国产精品福利在线免费观看| 欧美区成人在线视频| 精品久久久噜噜| 欧美极品一区二区三区四区| 久热久热在线精品观看| 啦啦啦啦在线视频资源| 欧美成人精品欧美一级黄| 直男gayav资源| kizo精华| 免费人妻精品一区二区三区视频| 97在线视频观看| 久久久色成人| 国产日韩欧美在线精品| 尾随美女入室| 久久久久久久久久成人| 国产伦理片在线播放av一区| 久久亚洲国产成人精品v| 伦精品一区二区三区| 久久鲁丝午夜福利片| 男女免费视频国产| 国产精品国产三级国产av玫瑰| 国产精品久久久久久av不卡| 又爽又黄a免费视频| 五月开心婷婷网| 黄片无遮挡物在线观看| a级毛片免费高清观看在线播放| 国产伦精品一区二区三区视频9| 日本猛色少妇xxxxx猛交久久| 成人无遮挡网站| 国产精品蜜桃在线观看| 国产黄片美女视频| 高清日韩中文字幕在线| 一本一本综合久久| 久久婷婷青草| 亚洲av欧美aⅴ国产| 亚洲自偷自拍三级| 亚洲国产色片| 小蜜桃在线观看免费完整版高清| 国产免费一级a男人的天堂| 中国三级夫妇交换| 一区二区三区免费毛片| 最近最新中文字幕大全电影3| 一个人看的www免费观看视频| 精品久久久久久久久亚洲| 一级毛片久久久久久久久女| 欧美3d第一页| 国产成人一区二区在线| 欧美bdsm另类| 亚洲色图综合在线观看| 亚洲欧美日韩另类电影网站 | 麻豆成人午夜福利视频| av国产久精品久网站免费入址| 美女cb高潮喷水在线观看| 天天躁日日操中文字幕| 天美传媒精品一区二区| 91精品伊人久久大香线蕉| 欧美日韩国产mv在线观看视频 | 中文天堂在线官网| 哪个播放器可以免费观看大片| 亚洲怡红院男人天堂| 少妇人妻久久综合中文| 国产精品免费大片| 18禁在线播放成人免费| 啦啦啦视频在线资源免费观看| 国产在视频线精品| 久久人人爽人人片av| 成年av动漫网址| 国产午夜精品一二区理论片| 国产成人精品福利久久| 亚洲欧美一区二区三区黑人 | 成人午夜精彩视频在线观看| 免费大片黄手机在线观看| 天堂中文最新版在线下载| 国产一区二区三区av在线| 国产成人91sexporn| 激情五月婷婷亚洲| av卡一久久| 精品人妻熟女av久视频| 狠狠精品人妻久久久久久综合| 精品一品国产午夜福利视频| 久久亚洲国产成人精品v| 全区人妻精品视频| 自拍偷自拍亚洲精品老妇| 色婷婷av一区二区三区视频| 久久久精品94久久精品| videossex国产| 少妇人妻精品综合一区二区| 亚洲精品国产av蜜桃| 国产大屁股一区二区在线视频| 精品亚洲成国产av| 日韩欧美一区视频在线观看 | 最近中文字幕2019免费版| 三级国产精品欧美在线观看| 日本色播在线视频| 91精品国产国语对白视频| 99热这里只有精品一区| 欧美xxⅹ黑人| 我要看日韩黄色一级片| 直男gayav资源| 日本免费在线观看一区| 国产视频首页在线观看| 久久久久久人妻| 久久国产精品大桥未久av | 午夜福利影视在线免费观看| 久久久a久久爽久久v久久| 免费观看在线日韩| 噜噜噜噜噜久久久久久91| 成年免费大片在线观看| 一个人看视频在线观看www免费| 五月伊人婷婷丁香| 国产精品熟女久久久久浪| 秋霞伦理黄片| 中文欧美无线码| 91在线精品国自产拍蜜月| 2021少妇久久久久久久久久久| 伊人久久国产一区二区| 成人高潮视频无遮挡免费网站| 成人毛片60女人毛片免费| 成人特级av手机在线观看| 久久精品久久久久久久性| 国产成人freesex在线| 日韩伦理黄色片| 成人无遮挡网站| 国产色婷婷99| 亚洲av国产av综合av卡| 精品午夜福利在线看| 久久 成人 亚洲| 水蜜桃什么品种好| 少妇精品久久久久久久| 亚洲av国产av综合av卡| 成人无遮挡网站| 中文字幕久久专区| 国产 一区精品| 午夜福利视频精品| 一级毛片aaaaaa免费看小| 午夜福利在线在线| 丰满少妇做爰视频| 亚洲精品一二三| 亚洲天堂av无毛| 王馨瑶露胸无遮挡在线观看| 少妇精品久久久久久久| 精品人妻视频免费看| 国产成人a∨麻豆精品| 国产亚洲av片在线观看秒播厂| 夜夜看夜夜爽夜夜摸| 欧美国产精品一级二级三级 | 韩国高清视频一区二区三区| 久久国产精品大桥未久av | 下体分泌物呈黄色| 岛国毛片在线播放| 少妇被粗大猛烈的视频| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久av不卡| 成年免费大片在线观看| 夜夜爽夜夜爽视频| 中国美白少妇内射xxxbb| 我的老师免费观看完整版| 最黄视频免费看| 国产一区亚洲一区在线观看| 舔av片在线| 国产精品一区www在线观看| 欧美一级a爱片免费观看看| 99精国产麻豆久久婷婷| 国内揄拍国产精品人妻在线| 国产高清有码在线观看视频| 欧美3d第一页| 精品少妇黑人巨大在线播放| 我的老师免费观看完整版| 一级毛片 在线播放| 国产av国产精品国产| 乱系列少妇在线播放| av在线app专区| 国产精品.久久久| 亚洲精品日韩在线中文字幕| 多毛熟女@视频| 日本欧美国产在线视频| 久久精品国产亚洲av天美| 久久久久久久久久成人| 亚洲精品久久久久久婷婷小说| 大片电影免费在线观看免费| 午夜福利影视在线免费观看| 直男gayav资源| 岛国毛片在线播放| 中文天堂在线官网| 黑人高潮一二区| 亚洲国产最新在线播放| 亚洲美女搞黄在线观看| 人妻制服诱惑在线中文字幕| 国产精品国产三级专区第一集| 国产精品人妻久久久影院| 欧美少妇被猛烈插入视频| 欧美成人一区二区免费高清观看| 亚洲av综合色区一区| 国产伦在线观看视频一区| 国产午夜精品久久久久久一区二区三区| 国产亚洲午夜精品一区二区久久| 日本一二三区视频观看| av黄色大香蕉| 一区二区三区精品91| 日韩欧美精品免费久久| 国产成人一区二区在线| 亚洲一级一片aⅴ在线观看| 国产精品一二三区在线看| av福利片在线观看| 天美传媒精品一区二区| 赤兔流量卡办理| 看非洲黑人一级黄片| av女优亚洲男人天堂| 看免费成人av毛片| 欧美国产精品一级二级三级 | 小蜜桃在线观看免费完整版高清| 亚洲一区二区三区欧美精品| 有码 亚洲区| 能在线免费看毛片的网站| 国产欧美日韩一区二区三区在线 | av国产精品久久久久影院| 啦啦啦啦在线视频资源| 日韩成人伦理影院| 国产亚洲5aaaaa淫片| 国产视频首页在线观看| 亚洲欧美日韩另类电影网站 | 亚洲一区二区三区欧美精品| 欧美另类一区| 日韩 亚洲 欧美在线| 午夜免费观看性视频| 男的添女的下面高潮视频| 99久久中文字幕三级久久日本| 18禁在线无遮挡免费观看视频| 熟妇人妻不卡中文字幕| 国产黄片美女视频| 成人国产麻豆网| 久久6这里有精品| 国产爽快片一区二区三区| 国产成人精品福利久久| 日本wwww免费看| 国产成人a∨麻豆精品| 亚洲美女搞黄在线观看| 免费av不卡在线播放| 日本wwww免费看| 欧美日韩国产mv在线观看视频 | 精品久久久久久电影网| 亚洲成人手机| 国产在线一区二区三区精| 99视频精品全部免费 在线| 男女下面进入的视频免费午夜| 国产精品久久久久久av不卡| 精品人妻一区二区三区麻豆| 插逼视频在线观看| 日韩大片免费观看网站| 色婷婷久久久亚洲欧美| 中文字幕久久专区| 纵有疾风起免费观看全集完整版| 大片电影免费在线观看免费| 黄色视频在线播放观看不卡| 80岁老熟妇乱子伦牲交| 男人舔奶头视频| 国产综合精华液| 国产无遮挡羞羞视频在线观看| 内射极品少妇av片p| 观看av在线不卡| 天天躁日日操中文字幕| 精品亚洲成a人片在线观看 | 国产亚洲精品久久久com| 高清在线视频一区二区三区| 制服丝袜香蕉在线| 国产亚洲午夜精品一区二区久久| 下体分泌物呈黄色| 人人妻人人看人人澡| 亚洲欧美精品专区久久| 91久久精品国产一区二区成人| 国产深夜福利视频在线观看| 99视频精品全部免费 在线| 亚洲精品色激情综合| 国产精品久久久久久精品电影小说 | 熟女人妻精品中文字幕| 国产精品国产av在线观看| 91午夜精品亚洲一区二区三区| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久精品古装| 九草在线视频观看| 色吧在线观看| 亚洲国产色片| 国产毛片在线视频| 日韩不卡一区二区三区视频在线| 国产在视频线精品| 人妻 亚洲 视频| 中文欧美无线码| 丰满少妇做爰视频| 老女人水多毛片| 身体一侧抽搐| 男女国产视频网站| 韩国高清视频一区二区三区| 一个人看视频在线观看www免费| 精品久久久久久久久亚洲| 午夜老司机福利剧场| 在线观看免费视频网站a站| 亚洲av.av天堂| 18禁动态无遮挡网站| 欧美亚洲 丝袜 人妻 在线| 久久久久精品性色| 亚洲欧美成人精品一区二区| 深夜a级毛片| 观看美女的网站| 国产精品久久久久久久久免| h日本视频在线播放| 亚洲精品色激情综合| 最近2019中文字幕mv第一页| 欧美激情国产日韩精品一区| 激情五月婷婷亚洲| 国产精品国产av在线观看| 一级片'在线观看视频| 老师上课跳d突然被开到最大视频| 黄片wwwwww| 麻豆精品久久久久久蜜桃| 国产免费一级a男人的天堂| 春色校园在线视频观看| av.在线天堂| 国模一区二区三区四区视频| 亚洲成人av在线免费| 国产成人免费无遮挡视频| 国产探花极品一区二区| 日本爱情动作片www.在线观看| 欧美老熟妇乱子伦牲交| 成人18禁高潮啪啪吃奶动态图 | 日韩av在线免费看完整版不卡| 亚洲精品国产色婷婷电影| 如何舔出高潮| 国产男女超爽视频在线观看| 成人特级av手机在线观看| 欧美丝袜亚洲另类| 成人高潮视频无遮挡免费网站| 亚洲av.av天堂| 久久久久国产精品人妻一区二区| 日本黄色日本黄色录像| 日韩三级伦理在线观看| 婷婷色av中文字幕| 99视频精品全部免费 在线| 黑人猛操日本美女一级片| 91精品国产九色| 日本-黄色视频高清免费观看| a级毛片免费高清观看在线播放| 18禁动态无遮挡网站| 国产成人精品久久久久久| 国产精品女同一区二区软件| 日日啪夜夜爽| 国产高潮美女av| 啦啦啦中文免费视频观看日本| 在线观看人妻少妇| av在线观看视频网站免费| 国产成人a∨麻豆精品| 精品一品国产午夜福利视频| 日韩中字成人| 99久国产av精品国产电影| 久久亚洲国产成人精品v| 色吧在线观看| 三级国产精品片| 成人亚洲欧美一区二区av| 国产精品三级大全| 亚洲国产成人一精品久久久| 高清黄色对白视频在线免费看 | 亚洲成人手机| 亚洲人成网站在线观看播放| 草草在线视频免费看| 乱系列少妇在线播放| 伦理电影大哥的女人| 色哟哟·www| 亚洲人成网站在线播| 日韩av在线免费看完整版不卡| av卡一久久| 人人妻人人看人人澡| 亚洲综合色惰| 久久99热6这里只有精品| 日本免费在线观看一区| 色视频在线一区二区三区| 国产高清三级在线| 亚洲熟女精品中文字幕| 97热精品久久久久久| 国产精品国产av在线观看| 亚洲伊人久久精品综合| 午夜激情福利司机影院| 久久国产精品大桥未久av | 六月丁香七月| 久久毛片免费看一区二区三区| 日韩伦理黄色片| 欧美精品亚洲一区二区| 亚洲成色77777| 国产精品爽爽va在线观看网站| 又爽又黄a免费视频| 在线观看免费日韩欧美大片 | 少妇人妻一区二区三区视频| 国产精品嫩草影院av在线观看| 看免费成人av毛片| 日韩强制内射视频| 精品亚洲成国产av| 日本色播在线视频| a 毛片基地| 国产高清不卡午夜福利| 久久人人爽av亚洲精品天堂 | 一本色道久久久久久精品综合| 一二三四中文在线观看免费高清| 久久久精品免费免费高清| 国产伦精品一区二区三区视频9| 麻豆乱淫一区二区| 国产有黄有色有爽视频| 久久99热这里只频精品6学生| 一级毛片aaaaaa免费看小| 亚洲怡红院男人天堂| 日本黄色片子视频| 日韩欧美 国产精品| 一区二区三区免费毛片| 欧美激情国产日韩精品一区| 国产男人的电影天堂91| 亚洲av综合色区一区| 男的添女的下面高潮视频| 一区二区三区乱码不卡18| h视频一区二区三区| 免费播放大片免费观看视频在线观看| 老司机影院成人| 女性生殖器流出的白浆| 欧美另类一区| 欧美 日韩 精品 国产| 交换朋友夫妻互换小说| 男男h啪啪无遮挡| 色5月婷婷丁香| 国产国拍精品亚洲av在线观看| 狠狠精品人妻久久久久久综合| 亚洲精品久久久久久婷婷小说| 我要看黄色一级片免费的| 黄色一级大片看看| 舔av片在线| 男女无遮挡免费网站观看| 亚洲怡红院男人天堂| 干丝袜人妻中文字幕| 精品人妻偷拍中文字幕| 国模一区二区三区四区视频| 不卡视频在线观看欧美| 国产亚洲午夜精品一区二区久久| 中文字幕人妻熟人妻熟丝袜美| 黄片wwwwww| 国产乱来视频区| 大话2 男鬼变身卡| 毛片一级片免费看久久久久| av视频免费观看在线观看| 国产伦精品一区二区三区视频9| 成年免费大片在线观看| 我的老师免费观看完整版| 亚洲成人手机| 亚洲国产日韩一区二区| 一级二级三级毛片免费看| 联通29元200g的流量卡| 亚洲国产精品一区三区| 少妇高潮的动态图| 国产精品熟女久久久久浪| 男女边摸边吃奶| 青春草亚洲视频在线观看| 国产大屁股一区二区在线视频| 欧美精品一区二区免费开放| 色婷婷久久久亚洲欧美| 亚洲成人av在线免费| 在线观看美女被高潮喷水网站| 免费少妇av软件| 91aial.com中文字幕在线观看| av不卡在线播放| 色综合色国产| 欧美日韩视频高清一区二区三区二| 久久这里有精品视频免费| 日韩大片免费观看网站| av黄色大香蕉| 亚洲av成人精品一二三区| 美女视频免费永久观看网站| 日韩一本色道免费dvd| 亚洲国产精品成人久久小说| 国产av码专区亚洲av| 91精品伊人久久大香线蕉| 99国产精品免费福利视频| 国产国拍精品亚洲av在线观看| 高清毛片免费看| 国产亚洲5aaaaa淫片| 美女cb高潮喷水在线观看| 免费看光身美女| 青青草视频在线视频观看| 赤兔流量卡办理| 最近中文字幕高清免费大全6| 99视频精品全部免费 在线| 国产亚洲精品久久久com| freevideosex欧美| 国产深夜福利视频在线观看| 精品久久久久久久久av| 国产成人freesex在线| 最近手机中文字幕大全| 国产成人精品久久久久久| 免费观看的影片在线观看| 国产av精品麻豆| 日日摸夜夜添夜夜爱| 免费看光身美女| 观看美女的网站| 99精国产麻豆久久婷婷| 在线免费观看不下载黄p国产| 99热国产这里只有精品6| 精品久久久噜噜| 久久人人爽av亚洲精品天堂 | 高清欧美精品videossex| 婷婷色麻豆天堂久久| 免费看日本二区| 久久精品国产自在天天线| 99热这里只有精品一区| 在线观看一区二区三区| 国产精品蜜桃在线观看| 久久精品国产自在天天线| 极品教师在线视频| 亚洲精品日韩av片在线观看| 妹子高潮喷水视频| 欧美精品一区二区免费开放| 麻豆精品久久久久久蜜桃| 只有这里有精品99| 国产精品国产三级国产专区5o| 亚洲激情五月婷婷啪啪| 国产美女午夜福利| 22中文网久久字幕| 欧美xxxx性猛交bbbb| 亚洲激情五月婷婷啪啪| 97精品久久久久久久久久精品| 亚洲精品亚洲一区二区| 久久久久性生活片| 只有这里有精品99| 亚洲精品456在线播放app| 哪个播放器可以免费观看大片| 男人狂女人下面高潮的视频| 久久国产乱子免费精品| 欧美成人精品欧美一级黄| 精品国产乱码久久久久久小说| 国产欧美日韩一区二区三区在线 | a级一级毛片免费在线观看| 夫妻午夜视频| 国产精品人妻久久久久久| 亚洲av电影在线观看一区二区三区| 国产成人午夜福利电影在线观看| 丰满乱子伦码专区| 免费看不卡的av| 一级二级三级毛片免费看| 内射极品少妇av片p| 国产av国产精品国产| 国产精品.久久久| 亚洲婷婷狠狠爱综合网| av天堂中文字幕网| 国产在视频线精品| 制服丝袜香蕉在线| a 毛片基地| 欧美亚洲 丝袜 人妻 在线| 国产视频内射| 一区在线观看完整版| 久久久久久久大尺度免费视频| 免费播放大片免费观看视频在线观看| 国产久久久一区二区三区| 亚洲av.av天堂| 大又大粗又爽又黄少妇毛片口| 一级a做视频免费观看| 国产成人午夜福利电影在线观看| 深爱激情五月婷婷| 国产成人精品福利久久| 国模一区二区三区四区视频| 制服丝袜香蕉在线| 欧美xxxx性猛交bbbb| 国产精品偷伦视频观看了| 国产免费视频播放在线视频| 亚洲成色77777| 99久国产av精品国产电影| 国内少妇人妻偷人精品xxx网站| 少妇熟女欧美另类| 少妇人妻一区二区三区视频| 亚洲精品乱码久久久v下载方式| 一本色道久久久久久精品综合| 联通29元200g的流量卡| 国产亚洲最大av| 亚洲在久久综合| 91精品国产国语对白视频| 久久国产精品大桥未久av | 熟女人妻精品中文字幕| 国产亚洲5aaaaa淫片| 特大巨黑吊av在线直播| 亚洲国产精品专区欧美| 欧美一级a爱片免费观看看| 欧美另类一区| 精品少妇黑人巨大在线播放| av卡一久久| 欧美三级亚洲精品| 国产黄色视频一区二区在线观看| 亚洲精品,欧美精品| 亚洲精品第二区| 国产精品国产三级专区第一集| 久久久久性生活片| 观看av在线不卡| videos熟女内射| 国产亚洲欧美精品永久| 另类亚洲欧美激情| 亚洲精品久久午夜乱码| 欧美区成人在线视频| 国产精品一区二区在线观看99| 亚洲色图av天堂| 一本一本综合久久| 久久精品人妻少妇| 国产一级毛片在线| 亚洲av男天堂| 午夜免费观看性视频| 天美传媒精品一区二区| 成人亚洲欧美一区二区av| 亚洲国产精品成人久久小说| 日本与韩国留学比较| 老熟女久久久| 有码 亚洲区| 亚洲最大成人中文| 日韩欧美精品免费久久| 在线观看av片永久免费下载| 干丝袜人妻中文字幕|