• <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
    国产av不卡久久| 欧美黄色淫秽网站| 免费一级毛片在线播放高清视频| 亚洲精品在线美女| 久久精品影院6| 男人的好看免费观看在线视频| 桃色一区二区三区在线观看| 亚洲国产日韩欧美精品在线观看 | 一夜夜www| 非洲黑人性xxxx精品又粗又长| 九色国产91popny在线| h日本视频在线播放| 国产午夜精品久久久久久一区二区三区 | 极品教师在线免费播放| 国产精品亚洲av一区麻豆| 少妇的逼水好多| 国产99白浆流出| 高清日韩中文字幕在线| 午夜福利在线观看吧| 精品日产1卡2卡| 国产精品亚洲美女久久久| 亚洲精品亚洲一区二区| 久久久国产精品麻豆| 一级作爱视频免费观看| 成人一区二区视频在线观看| 国产精品久久久久久久电影 | 啦啦啦韩国在线观看视频| 在线天堂最新版资源| 久久久成人免费电影| 亚洲欧美日韩卡通动漫| 久久伊人香网站| 少妇高潮的动态图| 午夜福利欧美成人| 欧美xxxx黑人xx丫x性爽| 成人亚洲精品av一区二区| 日韩国内少妇激情av| 最好的美女福利视频网| 我要搜黄色片| 首页视频小说图片口味搜索| 黄片小视频在线播放| 九九久久精品国产亚洲av麻豆| 久久精品国产99精品国产亚洲性色| 国产 一区 欧美 日韩| 91九色精品人成在线观看| 国产一区二区三区视频了| 婷婷六月久久综合丁香| 久久久精品欧美日韩精品| 日韩av在线大香蕉| 欧美中文日本在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 久久精品夜夜夜夜夜久久蜜豆| 两个人视频免费观看高清| 色综合欧美亚洲国产小说| 一个人看视频在线观看www免费 | 欧美中文综合在线视频| 亚洲国产高清在线一区二区三| 91麻豆精品激情在线观看国产| 在线观看午夜福利视频| 99热这里只有是精品50| 好男人电影高清在线观看| 成人特级av手机在线观看| 一进一出抽搐动态| 欧美绝顶高潮抽搐喷水| 欧美bdsm另类| 美女cb高潮喷水在线观看| 男女那种视频在线观看| 午夜福利高清视频| 免费观看人在逋| 成年女人毛片免费观看观看9| 国产免费男女视频| 国产精品久久久久久精品电影| 午夜福利在线观看吧| 精品人妻一区二区三区麻豆 | 女人十人毛片免费观看3o分钟| 欧美成人免费av一区二区三区| 国产精品乱码一区二三区的特点| 久久婷婷人人爽人人干人人爱| 中国美女看黄片| 尤物成人国产欧美一区二区三区| 99视频精品全部免费 在线| 精品国产美女av久久久久小说| 十八禁人妻一区二区| 日本一本二区三区精品| 久久精品人妻少妇| 嫩草影院精品99| 亚洲国产精品成人综合色| 很黄的视频免费| 真实男女啪啪啪动态图| 无限看片的www在线观看| 欧美日韩综合久久久久久 | 国产精品嫩草影院av在线观看 | 亚洲精品在线观看二区| 久久精品国产自在天天线| 亚洲精品国产精品久久久不卡| 亚洲五月天丁香| 国内精品久久久久久久电影| 欧美国产日韩亚洲一区| 人人妻人人看人人澡| 九九在线视频观看精品| 99国产极品粉嫩在线观看| 亚洲熟妇熟女久久| 成人无遮挡网站| 欧美黄色淫秽网站| 亚洲av中文字字幕乱码综合| 人妻夜夜爽99麻豆av| 男女床上黄色一级片免费看| 美女cb高潮喷水在线观看| 国产色爽女视频免费观看| 欧美区成人在线视频| 国产精品久久久人人做人人爽| 搡老妇女老女人老熟妇| 国产单亲对白刺激| 夜夜躁狠狠躁天天躁| 在线观看免费视频日本深夜| 久久婷婷人人爽人人干人人爱| 偷拍熟女少妇极品色| 午夜激情欧美在线| 在线国产一区二区在线| 久久香蕉精品热| 精品国产美女av久久久久小说| 男女之事视频高清在线观看| 精品熟女少妇八av免费久了| 免费在线观看日本一区| 麻豆久久精品国产亚洲av| 久久亚洲精品不卡| 国产一区二区亚洲精品在线观看| 一夜夜www| 操出白浆在线播放| www.熟女人妻精品国产| 精品久久久久久久人妻蜜臀av| 一级黄色大片毛片| 亚洲精品亚洲一区二区| 99热只有精品国产| 欧美激情在线99| 亚洲人与动物交配视频| 真实男女啪啪啪动态图| 成人永久免费在线观看视频| 国产极品精品免费视频能看的| 丰满的人妻完整版| 免费观看的影片在线观看| 日日摸夜夜添夜夜添小说| 国产野战对白在线观看| 国产亚洲精品久久久com| 99久久精品一区二区三区| 精品久久久久久,| 亚洲五月天丁香| 国内精品久久久久精免费| 日韩精品青青久久久久久| 日本免费a在线| 日韩欧美在线二视频| 午夜福利在线观看免费完整高清在 | av欧美777| 黄片大片在线免费观看| 亚洲一区二区三区不卡视频| 久久久久久久久久黄片| 蜜桃亚洲精品一区二区三区| 日韩中文字幕欧美一区二区| 国产一区二区亚洲精品在线观看| 校园春色视频在线观看| 大型黄色视频在线免费观看| 一区二区三区国产精品乱码| 欧美bdsm另类| 国产欧美日韩一区二区精品| 少妇高潮的动态图| 久久久久久大精品| 欧美大码av| 男人舔奶头视频| 亚洲七黄色美女视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲精品在线美女| 狠狠狠狠99中文字幕| 久久国产精品人妻蜜桃| 亚洲精品日韩av片在线观看 | 成人国产综合亚洲| 午夜福利免费观看在线| 一卡2卡三卡四卡精品乱码亚洲| 夜夜看夜夜爽夜夜摸| 九九热线精品视视频播放| 成熟少妇高潮喷水视频| 国产三级中文精品| 国产亚洲精品久久久com| 中文资源天堂在线| АⅤ资源中文在线天堂| 亚洲精品乱码久久久v下载方式 | 国产v大片淫在线免费观看| 在线天堂最新版资源| 中文字幕熟女人妻在线| 久久久久久久亚洲中文字幕 | 制服丝袜大香蕉在线| 国产av一区在线观看免费| ponron亚洲| 亚洲av熟女| 欧美最黄视频在线播放免费| 欧美在线黄色| 99精品久久久久人妻精品| 757午夜福利合集在线观看| 国产高清视频在线观看网站| 亚洲男人的天堂狠狠| 国产高潮美女av| 久久久久久久精品吃奶| 国产熟女xx| 色吧在线观看| e午夜精品久久久久久久| 又紧又爽又黄一区二区| 成年女人永久免费观看视频| 日本三级黄在线观看| 日本免费一区二区三区高清不卡| 国产精品久久视频播放| 久久精品国产亚洲av涩爱 | 成人av在线播放网站| 99久久九九国产精品国产免费| 少妇的逼好多水| 欧美极品一区二区三区四区| 婷婷精品国产亚洲av在线| 成人无遮挡网站| 香蕉久久夜色| 成年女人永久免费观看视频| 黑人欧美特级aaaaaa片| 亚洲乱码一区二区免费版| www.www免费av| 亚洲午夜理论影院| 亚洲熟妇熟女久久| 亚洲男人的天堂狠狠| 成人国产一区最新在线观看| tocl精华| 亚洲人成网站在线播放欧美日韩| 男女之事视频高清在线观看| 9191精品国产免费久久| 99在线人妻在线中文字幕| 亚洲男人的天堂狠狠| 亚洲专区中文字幕在线| 久久九九热精品免费| 国内精品一区二区在线观看| 国产精品精品国产色婷婷| 国产 一区 欧美 日韩| 久久国产乱子伦精品免费另类| 午夜精品在线福利| 99视频精品全部免费 在线| 日韩欧美免费精品| 午夜免费男女啪啪视频观看 | 欧美日本视频| 亚洲熟妇熟女久久| 亚洲人成网站高清观看| 国产精品久久久久久精品电影| 99久久精品国产亚洲精品| 亚洲国产高清在线一区二区三| 一夜夜www| 国产激情偷乱视频一区二区| 欧美黄色片欧美黄色片| 尤物成人国产欧美一区二区三区| 一a级毛片在线观看| 美女 人体艺术 gogo| 国产亚洲精品久久久久久毛片| 男女之事视频高清在线观看| 久久久久免费精品人妻一区二区| 亚洲国产欧美人成| 免费在线观看日本一区| 亚洲18禁久久av| 精品久久久久久成人av| 亚洲精品日韩av片在线观看 | 国产极品精品免费视频能看的| 日日干狠狠操夜夜爽| 中文字幕av在线有码专区| 在线免费观看的www视频| 婷婷丁香在线五月| 少妇人妻一区二区三区视频| 国产97色在线日韩免费| 好男人电影高清在线观看| 久久久久九九精品影院| 婷婷亚洲欧美| 男女之事视频高清在线观看| 亚洲一区二区三区不卡视频| 黄色视频,在线免费观看| 一级毛片女人18水好多| 亚洲av免费在线观看| 欧美日韩亚洲国产一区二区在线观看| 精品人妻1区二区| 国产精品嫩草影院av在线观看 | 制服人妻中文乱码| 色综合亚洲欧美另类图片| 中出人妻视频一区二区| 成人三级黄色视频| 国产成人欧美在线观看| 亚洲乱码一区二区免费版| 精品熟女少妇八av免费久了| 悠悠久久av| 国模一区二区三区四区视频| 亚洲av五月六月丁香网| 欧美成人性av电影在线观看| 老司机深夜福利视频在线观看| 国产一区二区在线av高清观看| 高清在线国产一区| 黄色女人牲交| 亚洲第一电影网av| 丰满的人妻完整版| 级片在线观看| 高清日韩中文字幕在线| 欧美国产日韩亚洲一区| 久久亚洲精品不卡| 亚洲不卡免费看| 日韩成人在线观看一区二区三区| 99热6这里只有精品| 亚洲成人久久性| 午夜免费激情av| 黄色日韩在线| 亚洲精品影视一区二区三区av| 真人做人爱边吃奶动态| www日本黄色视频网| 国产精品久久视频播放| 9191精品国产免费久久| 天天添夜夜摸| 搡老熟女国产l中国老女人| 琪琪午夜伦伦电影理论片6080| 夜夜躁狠狠躁天天躁| 亚洲激情在线av| 亚洲国产中文字幕在线视频| 亚洲美女视频黄频| 亚洲国产精品久久男人天堂| 欧美在线黄色| 亚洲黑人精品在线| 激情在线观看视频在线高清| 亚洲黑人精品在线| 国产精品99久久99久久久不卡| 国产高清有码在线观看视频| 国产毛片a区久久久久| 免费看美女性在线毛片视频| 中文资源天堂在线| 亚洲av电影在线进入| 亚洲av成人精品一区久久| 欧美午夜高清在线| 午夜久久久久精精品| 久久亚洲精品不卡| 国产av一区在线观看免费| 亚洲片人在线观看| 亚洲精品乱码久久久v下载方式 | 精品一区二区三区av网在线观看| 深夜精品福利| 真实男女啪啪啪动态图| 天堂动漫精品| 欧美最黄视频在线播放免费| 女生性感内裤真人,穿戴方法视频| 夜夜躁狠狠躁天天躁| 岛国视频午夜一区免费看| 天堂影院成人在线观看| 国产私拍福利视频在线观看| 午夜久久久久精精品| 精品国产美女av久久久久小说| 亚洲不卡免费看| 午夜a级毛片| 一卡2卡三卡四卡精品乱码亚洲| 精华霜和精华液先用哪个| 性欧美人与动物交配| 人人妻人人澡欧美一区二区| 夜夜夜夜夜久久久久| 99国产极品粉嫩在线观看| x7x7x7水蜜桃| 亚洲乱码一区二区免费版| e午夜精品久久久久久久| av天堂在线播放| 51国产日韩欧美| ponron亚洲| 亚洲成人久久爱视频| 国产高清视频在线播放一区| 午夜激情福利司机影院| av天堂在线播放| 日本撒尿小便嘘嘘汇集6| 此物有八面人人有两片| 欧美色欧美亚洲另类二区| 亚洲精品一区av在线观看| 亚洲成a人片在线一区二区| 人人妻人人澡欧美一区二区| 国产精品久久久久久久久免 | 日韩欧美三级三区| 看免费av毛片| 久久久国产精品麻豆| 亚洲中文日韩欧美视频| 超碰av人人做人人爽久久 | 成人特级av手机在线观看| 一区二区三区国产精品乱码| 欧美一区二区亚洲| 欧美激情久久久久久爽电影| 中亚洲国语对白在线视频| 欧美最新免费一区二区三区 | 黄色片一级片一级黄色片| 97碰自拍视频| 久久久国产成人精品二区| 日韩成人在线观看一区二区三区| 欧美日韩亚洲国产一区二区在线观看| 丰满的人妻完整版| 国内精品久久久久精免费| 少妇的逼好多水| 麻豆一二三区av精品| 一个人免费在线观看的高清视频| 国产精品99久久久久久久久| 99国产精品一区二区蜜桃av| 在线a可以看的网站| 欧美成人一区二区免费高清观看| 小说图片视频综合网站| 午夜精品在线福利| 国产三级中文精品| 蜜桃亚洲精品一区二区三区| 国产伦精品一区二区三区视频9 | 亚洲美女视频黄频| 男女那种视频在线观看| 成年女人永久免费观看视频| 一本综合久久免费| 久久亚洲真实| 国产99白浆流出| 欧美日韩福利视频一区二区| 亚洲精品在线观看二区| 欧美成人免费av一区二区三区| 亚洲片人在线观看| 亚洲av成人精品一区久久| 国产黄a三级三级三级人| 中文字幕高清在线视频| 免费大片18禁| 亚洲精品一卡2卡三卡4卡5卡| 国产成人影院久久av| 三级国产精品欧美在线观看| 少妇人妻精品综合一区二区 | 亚洲精品色激情综合| 99热这里只有是精品50| 久久久久久大精品| 在线十欧美十亚洲十日本专区| 天天躁日日操中文字幕| 国内精品美女久久久久久| 国产精品美女特级片免费视频播放器| 国产午夜精品久久久久久一区二区三区 | 欧美绝顶高潮抽搐喷水| 中亚洲国语对白在线视频| 夜夜看夜夜爽夜夜摸| 亚洲国产色片| av中文乱码字幕在线| 色综合欧美亚洲国产小说| 国产精品久久久人人做人人爽| 日本一本二区三区精品| 一个人免费在线观看的高清视频| 国产高清视频在线播放一区| 非洲黑人性xxxx精品又粗又长| 亚洲自拍偷在线| 一卡2卡三卡四卡精品乱码亚洲| 欧美午夜高清在线| 丁香六月欧美| 日本免费a在线| 婷婷精品国产亚洲av| 黄片大片在线免费观看| 又粗又爽又猛毛片免费看| 欧美3d第一页| 日韩欧美一区二区三区在线观看| 成人一区二区视频在线观看| 免费观看人在逋| 国产精品98久久久久久宅男小说| 午夜精品在线福利| 男女午夜视频在线观看| 日本在线视频免费播放| 久久精品影院6| 中文资源天堂在线| 亚洲五月天丁香| 色哟哟哟哟哟哟| 免费在线观看亚洲国产| 国产真人三级小视频在线观看| 亚洲不卡免费看| 天堂动漫精品| 欧美+日韩+精品| 久久天躁狠狠躁夜夜2o2o| 中文亚洲av片在线观看爽| 熟女人妻精品中文字幕| 亚洲精品成人久久久久久| 成人18禁在线播放| 国产成人福利小说| 在线十欧美十亚洲十日本专区| www.www免费av| 在线观看av片永久免费下载| 91麻豆av在线| 男女床上黄色一级片免费看| 欧美日本视频| 国模一区二区三区四区视频| 国产乱人视频| 精品99又大又爽又粗少妇毛片 | www.色视频.com| 啦啦啦韩国在线观看视频| 国内毛片毛片毛片毛片毛片| 国产精品1区2区在线观看.| 欧美色视频一区免费| 国产三级在线视频| av黄色大香蕉| 国产精品日韩av在线免费观看| 免费看光身美女| www.www免费av| 成人国产一区最新在线观看| 亚洲国产中文字幕在线视频| 床上黄色一级片| 99国产精品一区二区三区| 日韩高清综合在线| 精品人妻1区二区| 亚洲国产精品久久男人天堂| 成年女人永久免费观看视频| 激情在线观看视频在线高清| 国产淫片久久久久久久久 | 男女床上黄色一级片免费看| 国产伦在线观看视频一区| 在线观看午夜福利视频| 神马国产精品三级电影在线观看| 亚洲人成网站在线播| 亚洲熟妇中文字幕五十中出| 老司机深夜福利视频在线观看| 午夜免费激情av| 婷婷精品国产亚洲av在线| 久久伊人香网站| 久久久久久久午夜电影| 国产精品99久久99久久久不卡| 欧美日韩福利视频一区二区| 国产高清视频在线播放一区| 亚洲av电影不卡..在线观看| 国产成人福利小说| 婷婷亚洲欧美| 在线观看免费午夜福利视频| 男女下面进入的视频免费午夜| 怎么达到女性高潮| 国产高清有码在线观看视频| 悠悠久久av| 老司机福利观看| АⅤ资源中文在线天堂| 亚洲国产精品合色在线| av女优亚洲男人天堂| eeuss影院久久| 欧美一级a爱片免费观看看| 叶爱在线成人免费视频播放| 精品不卡国产一区二区三区| 99久久精品国产亚洲精品| 久久久久久久久大av| 国产亚洲精品av在线| 欧美xxxx黑人xx丫x性爽| 成人国产一区最新在线观看| www.熟女人妻精品国产| 嫩草影院精品99| 99视频精品全部免费 在线| 99久久精品国产亚洲精品| 高清日韩中文字幕在线| 香蕉久久夜色| 久久午夜亚洲精品久久| 国产真人三级小视频在线观看| 脱女人内裤的视频| 丝袜美腿在线中文| 精品人妻偷拍中文字幕| www.熟女人妻精品国产| 最近视频中文字幕2019在线8| av天堂中文字幕网| 两人在一起打扑克的视频| 宅男免费午夜| 欧美乱码精品一区二区三区| 午夜免费激情av| 日韩成人在线观看一区二区三区| 欧美一级a爱片免费观看看| 两个人视频免费观看高清| 91久久精品电影网| 久久伊人香网站| 最近视频中文字幕2019在线8| 午夜两性在线视频| 久久精品国产99精品国产亚洲性色| 波多野结衣高清作品| www日本在线高清视频| 久9热在线精品视频| 中文字幕人成人乱码亚洲影| 一级毛片女人18水好多| 啪啪无遮挡十八禁网站| 日韩欧美国产一区二区入口| 亚洲avbb在线观看| 99热只有精品国产| 成人精品一区二区免费| 欧美成人a在线观看| 国产精品影院久久| 亚洲久久久久久中文字幕| 亚洲,欧美精品.| a级一级毛片免费在线观看| 欧美在线一区亚洲| 99国产极品粉嫩在线观看| 男女那种视频在线观看| 最近最新中文字幕大全免费视频| 国产爱豆传媒在线观看| 国产av一区在线观看免费| 超碰av人人做人人爽久久 | 99riav亚洲国产免费| 亚洲自拍偷在线| 欧美最黄视频在线播放免费| 亚洲精华国产精华精| 欧美日本亚洲视频在线播放| 夜夜躁狠狠躁天天躁| 啪啪无遮挡十八禁网站| 免费看a级黄色片| 一级毛片女人18水好多| 嫩草影院入口| 国产午夜精品久久久久久一区二区三区 | 麻豆久久精品国产亚洲av| 内地一区二区视频在线| av在线天堂中文字幕| 人妻夜夜爽99麻豆av| 日本在线视频免费播放| 在线观看美女被高潮喷水网站 | 国产一区在线观看成人免费| 麻豆一二三区av精品| 男人的好看免费观看在线视频| 五月伊人婷婷丁香| 色综合婷婷激情| 久久午夜亚洲精品久久| 国产精品av视频在线免费观看| 国产午夜精品论理片| 国产淫片久久久久久久久 | 噜噜噜噜噜久久久久久91| 欧美三级亚洲精品| 人妻久久中文字幕网| 国产精品爽爽va在线观看网站| 999久久久精品免费观看国产| 亚洲国产中文字幕在线视频| av在线天堂中文字幕|