欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

機(jī)器學(xué)習(xí)入侵檢測(cè)系統(tǒng)實(shí)戰(zhàn):源碼解析與部署指南

機(jī)器學(xué)習(xí)入侵檢測(cè)系統(tǒng)實(shí)戰(zhàn):源碼解析與部署指南 簡(jiǎn)介面向網(wǎng)絡(luò)安全工程師與機(jī)器學(xué)習(xí)初學(xué)者這套基于機(jī)器學(xué)習(xí)的入侵檢測(cè)系統(tǒng)源碼包針對(duì)傳統(tǒng)入侵檢測(cè)系統(tǒng)依賴規(guī)則、誤報(bào)率高、難以識(shí)別未知攻擊等問(wèn)題給出了從數(shù)據(jù)預(yù)處理、類別不平衡處理、多模型訓(xùn)練到模型可解釋性分析的一體化解決方案。項(xiàng)目融合傳統(tǒng)機(jī)器學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)與自動(dòng)機(jī)器學(xué)習(xí)并借助Streamlit、Vue和Flask搭建可視化交互平臺(tái)仿真測(cè)試驗(yàn)證了實(shí)際可用性。壓縮包共30個(gè)文件以png、keep、zip、md、sql為主其中png為界面與結(jié)果截圖md為說(shuō)明文檔sql為數(shù)據(jù)集文件zip內(nèi)為前后端及模型模塊整體大小約11.21MB。目前已有175人學(xué)習(xí)下載適合需要快速搭建入侵檢測(cè)實(shí)驗(yàn)環(huán)境、學(xué)習(xí)模型解釋方法或參考全流程系統(tǒng)設(shè)計(jì)的讀者可直接對(duì)照運(yùn)行并拓展應(yīng)用到多種檢測(cè)場(chǎng)景。1. 基于機(jī)器學(xué)習(xí)的入侵檢測(cè)系統(tǒng)從源碼開(kāi)始而不是從概念開(kāi)始如果你搜到這個(gè)標(biāo)題大概率不是想再聽(tīng)一遍“什么是入侵檢測(cè)”而是手里已經(jīng)拿到或準(zhǔn)備找一份開(kāi)源源碼想把它跑起來(lái)、改明白、用到自己的網(wǎng)絡(luò)環(huán)境里。我直接說(shuō)結(jié)論基于機(jī)器學(xué)習(xí)的入侵檢測(cè)系統(tǒng)本質(zhì)上是把網(wǎng)絡(luò)流量或主機(jī)日志變成特征表再交給分類模型去判斷“正?!边€是“攻擊”源碼的價(jià)值在于那條完整鏈路——抓包/讀日志、特征工程、模型訓(xùn)練、實(shí)時(shí)預(yù)測(cè)、告警輸出——而不是某個(gè)單獨(dú)的算法文件。適合誰(shuí)有網(wǎng)絡(luò)安全基礎(chǔ)但沒(méi)做過(guò)ML的運(yùn)維、剛?cè)腴T(mén)IDS研究的在校生、以及想在公司內(nèi)網(wǎng)搭一個(gè)低成本異常檢測(cè)驗(yàn)證方案的工程師。新手能照著把環(huán)境跑通熟手能從中看到特征構(gòu)造和樣本不平衡處理的門(mén)道。下面我按自己落地這類項(xiàng)目的順序拆開(kāi)講每一步都能直接復(fù)現(xiàn)。2. 入侵檢測(cè)與機(jī)器學(xué)習(xí)結(jié)合的選型為什么是流量特征而不是裸數(shù)據(jù)2.1 誤用檢測(cè)與異常檢測(cè)的分工先搞清楚你要解決哪類問(wèn)題機(jī)器學(xué)習(xí)進(jìn)入侵檢測(cè)通常分兩條路線。誤用檢測(cè)是“我知道攻擊長(zhǎng)什么樣拿規(guī)則或簽名去匹配”傳統(tǒng)Snort就是干這個(gè)的準(zhǔn)確率高但漏0day異常檢測(cè)是“我先學(xué)會(huì)正常流量的樣子偏離太多就報(bào)警”這正好是機(jī)器學(xué)習(xí)的強(qiáng)項(xiàng)——不需要事先知道攻擊特征但代價(jià)是誤報(bào)率高。標(biāo)題里的“機(jī)器學(xué)習(xí)”決定了這套源碼大概率走異常檢測(cè)或半監(jiān)督路線因?yàn)樗鉀Q的核心矛盾是攻擊變種太多靜態(tài)規(guī)則跟不上。我見(jiàn)過(guò)很多新手拿到源碼第一件事就是找“檢測(cè)率99%”的模型然后對(duì)著測(cè)試集自嗨。實(shí)際部署時(shí)你會(huì)發(fā)現(xiàn)模型在測(cè)試集上再漂亮到了真實(shí)網(wǎng)絡(luò)里都會(huì)被新的協(xié)議、加密流量、內(nèi)網(wǎng)掃描打懵。所以選型前先問(wèn)自己你要檢測(cè)的是外網(wǎng)攻擊、內(nèi)網(wǎng)橫向移動(dòng)還是主機(jī)側(cè)異常行為這三類問(wèn)題對(duì)應(yīng)的特征完全不一樣。外網(wǎng)攻擊看流量的五元組和數(shù)據(jù)包統(tǒng)計(jì)內(nèi)網(wǎng)橫移看連接頻次和目標(biāo)端口分布主機(jī)側(cè)則要看系統(tǒng)調(diào)用序列或文件訪問(wèn)日志。源碼里如果只給了某一種數(shù)據(jù)源的代碼你要有自己替換數(shù)據(jù)源的能力這比調(diào)參重要得多。2.2 特征工程是源碼的靈魂從原始流量到特征表的四個(gè)步驟不管源碼用的是CICIDS2017、NSL-KDD還是DARPA1998數(shù)據(jù)集最終喂給模型的一定是一張二維特征表每行是一條會(huì)話或一個(gè)連接每列是一個(gè)數(shù)值特征。常見(jiàn)做法是先把原始pcap或流日志切分成會(huì)話按五元組協(xié)議分組然后提取三類特征第一類是基礎(chǔ)統(tǒng)計(jì)特征包的個(gè)數(shù)、字節(jié)數(shù)、持續(xù)時(shí)間、平均包長(zhǎng)、包長(zhǎng)標(biāo)準(zhǔn)差。這些直接反映流量“胖瘦”。第二類是協(xié)議相關(guān)特征TCP的SYN、FIN、RST計(jì)數(shù)UDP的單向長(zhǎng)度HTTP的請(qǐng)求方法分布。第三類是時(shí)間窗口特征滑動(dòng)窗口內(nèi)連接數(shù)、相同源IP出現(xiàn)次數(shù)、失敗連接比例。這類特征專門(mén)對(duì)付爆破和掃描是區(qū)分正常用戶行為和機(jī)器行為的關(guān)鍵。如果你拿到的源碼里特征是用pyshark或scapy現(xiàn)場(chǎng)提取的你就要關(guān)注它的會(huì)話超時(shí)設(shè)置和流方向定義如果源碼直接讀取CSV特征文件那你要把重心放在理解列名和數(shù)據(jù)清洗上。我遇到過(guò)一份源碼特征表里有80多列看似豐富但仔細(xì)看有40列全是數(shù)據(jù)包長(zhǎng)度統(tǒng)計(jì)高度相關(guān)模型訓(xùn)練慢且容易過(guò)擬合。這時(shí)候你可以用方差過(guò)濾加相關(guān)系數(shù)矩陣篩一下把特征壓到30列以內(nèi)效果往往反而更好。2.3 模型選型和樣本不平衡別迷信深度學(xué)習(xí)先試集成樹(shù)源碼里最常見(jiàn)的模型是隨機(jī)森林、XGBoost、LightGBM也有用KNN或SVM的。我的建議是如果是第一次跑優(yōu)先用LightGBM或隨機(jī)森林。它們對(duì)數(shù)值特征不需要?dú)w一化對(duì)缺失值容忍度高訓(xùn)練速度快還能輸出特征重要性幫你反向驗(yàn)證特征工程是否合理。深度學(xué)習(xí)模型如AutoEncoder、LSTM適合特征本身是序列的場(chǎng)景但訓(xùn)練開(kāi)銷大、可解釋性差在入侵檢測(cè)這種需要快速迭代和向領(lǐng)導(dǎo)解釋的場(chǎng)景里不占優(yōu)勢(shì)。樣本不平衡是入侵檢測(cè)里跑不掉的一個(gè)坎。真實(shí)網(wǎng)絡(luò)里正常流量占99%以上攻擊樣本可能只有千分之一。如果直接訓(xùn)練模型會(huì)學(xué)成“永遠(yuǎn)預(yù)測(cè)正?!睖?zhǔn)確率還有99%但毫無(wú)用處。源碼里如果有處理不平衡的部分多半是SMOTE過(guò)采樣或隨機(jī)欠采樣。我的做法是先用分類報(bào)告而不是準(zhǔn)確率來(lái)評(píng)估看少數(shù)類的精確率、召回率、F1如果難點(diǎn)在漏報(bào)就提高對(duì)異常類的權(quán)重或調(diào)整決策閾值。有些源碼在predict階段直接取0.5作為閾值這在入侵檢測(cè)里幾乎必然導(dǎo)致漏報(bào)要改成按驗(yàn)證集F1曲線找最優(yōu)閾值。# 用LightGBM訓(xùn)練入侵檢測(cè)模型時(shí)的關(guān)鍵設(shè)置 import lightgbm as lgb from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, f1_score # X是特征表y是標(biāo)簽1代表攻擊 X_train, X_val, y_train, y_val train_test_split(X, y, test_size0.3, stratifyy, random_state42) model lgb.LGBMClassifier( num_leaves31, # 葉子數(shù)不要開(kāi)太大否則容易過(guò)擬合 max_depth6, # 限制深度中期用特征重要性來(lái)剪枝 learning_rate0.05, # 學(xué)習(xí)率調(diào)小配合更多迭代輪次 scale_pos_weight10, # 關(guān)鍵參數(shù)正負(fù)樣本比例緩解不平衡 n_estimators300, random_state42 ) model.fit(X_train, y_train, eval_set[(X_val, y_val)], eval_metricf1) y_pred model.predict(X_val) # 不要只看accuracy看每個(gè)類別的召回率 print(classification_report(y_val, y_pred, target_names[normal, attack]))參數(shù)說(shuō)明scale_pos_weight設(shè)成10意味著把攻擊類別的權(quán)重放大10倍這是個(gè)粗略起點(diǎn)精確值可以用負(fù)樣本數(shù)除以正樣本數(shù)得到。learning_rate和n_estimators要聯(lián)動(dòng)調(diào)學(xué)習(xí)率越小需要的樹(shù)越多訓(xùn)練時(shí)間變長(zhǎng)但泛化通常更好。eval_metric用f1而不是logloss是因?yàn)槲覀冴P(guān)心少數(shù)類的查全查準(zhǔn)。這一步做完你才有資格去調(diào)流量特征。3. 把源碼跑起來(lái)環(huán)境搭建、數(shù)據(jù)準(zhǔn)備與最小可用命令3.1 環(huán)境準(zhǔn)備Python版本、依賴包和兩個(gè)最容易翻車的地方大多數(shù)基于機(jī)器學(xué)習(xí)的入侵檢測(cè)源碼都是Python項(xiàng)目依賴包無(wú)非是pandas、numpy、scikit-learn、lightgbm、pyshark、scapy。但有一個(gè)坑必須先避開(kāi)不要直接pip install -r requirements.txt。很多這種源碼是學(xué)生寫(xiě)的requirements里版本號(hào)亂鎖Python 3.10環(huán)境裝舊版scapy會(huì)直接報(bào)錯(cuò)。我一般這么做# 建議用Python 3.9或3.10建獨(dú)立虛擬環(huán)境 python3 -m venv ids_env source ids_env/bin/activate # 分步安裝核心依賴不要一口氣裝全部 pip install pandas numpy scikit-learn lightgbm pip install pyshark scapy第二個(gè)高頻翻車點(diǎn)是在本機(jī)沒(méi)有網(wǎng)卡抓包權(quán)限。pyshark需要tshark后端而tshark抓包需要root或加入wireshark組。如果源碼里有在線抓包模塊第一次跑建議用離線pcap先驗(yàn)證鏈路否則權(quán)限報(bào)錯(cuò)會(huì)讓你誤以為代碼有bug。命令是sudo tshark -r sample.pcap能讀到包再說(shuō)pyshark的事。如果你用的是Linux服務(wù)器還要注意libpcap版本問(wèn)題Debian系的libpcap0.8和Ubuntu的libpcap0.9不兼容跑不起來(lái)就ldd /usr/bin/tshark | grep pcap查一下動(dòng)態(tài)庫(kù)。3.2 數(shù)據(jù)集下載與格式轉(zhuǎn)換從pcap到特征CSV的完整流程源碼一般會(huì)內(nèi)置或者要求下載數(shù)據(jù)集。最常見(jiàn)的是CICIDS2017但那個(gè)原包好幾個(gè)GB而且是pcap格式新手直接下載會(huì)被格式卡住。更推薦先用NSL-KDD或UNSW-NB15的CSV版本幾十MB就能跑完整個(gè)流程。你拿到CSV后第一件事不是直接訓(xùn)練而是做三件清理缺失值填充、無(wú)窮值替換、類別特征編碼。import pandas as pd import numpy as np df pd.read_csv(cicids2017_sample.csv) print(df.shape, df.columns.tolist()) # 1. 把Inf和-Inf替換成NaN否則模型直接報(bào)錯(cuò) df.replace([np.inf, -np.inf], np.nan, inplaceTrue) # 2. 數(shù)值列用中位數(shù)填充不要用均值避免被離群值帶偏 num_cols df.select_dtypes(include[np.number]).columns df[num_cols] df[num_cols].fillna(df[num_cols].median()) # 3. 標(biāo)簽列如果是字符串映射成0和1 df[Label] df[Label].map({BENIGN: 0, DoS Hulk: 1, PortScan: 1, DDoS: 1}) # 注意多類攻擊要合并成二分類或者單獨(dú)做多分類處理這段代碼的邏輯說(shuō)明第一步解決的是inf問(wèn)題因?yàn)閜cap統(tǒng)計(jì)里報(bào)文時(shí)間間隔極小時(shí)會(huì)算出inf第二步用中位數(shù)填充是因?yàn)榫W(wǎng)絡(luò)字段分布偏態(tài)嚴(yán)重均值會(huì)被少量大流量連接拉高填出來(lái)的值會(huì)污染數(shù)據(jù)第三步把多類攻擊先合并成二分類這是跑通流程的最快路徑等基線建立了再細(xì)分攻擊類型。如果你拿到的源碼里數(shù)據(jù)已經(jīng)是處理好的CSV可以跳過(guò)這部分直接訓(xùn)練但建議還是執(zhí)行一次info()和describe()確認(rèn)列的分布合理經(jīng)常能發(fā)現(xiàn)源碼作者漏掉的臟數(shù)據(jù)。3.3 訓(xùn)練與評(píng)估的最小命令跑通第一個(gè)模型只需要三分鐘我習(xí)慣把一個(gè)完整的訓(xùn)練驗(yàn)證流程寫(xiě)成一個(gè)腳本輸入是特征CSV輸出是模型文件和評(píng)估報(bào)告。下面是個(gè)最小可復(fù)用的骨架# 在當(dāng)前目錄執(zhí)行前提是feature.csv已準(zhǔn)備好 python train.py --data feature.csv --model output/lgb_model.txt --test-size 0.3train.py內(nèi)部結(jié)構(gòu)如下你自己寫(xiě)或者改源碼時(shí)可以參考import argparse import joblib import lightgbm as lgb from sklearn.metrics import f1_score, precision_recall_fscore_support def main(): parser argparse.ArgumentParser() parser.add_argument(--data, requiredTrue) parser.add_argument(--model, requiredTrue) parser.add_argument(--test-size, typefloat, default0.3) args parser.parse_args() X df.drop(columns[Label]) y df[Label] # 保證訓(xùn)練集和測(cè)試集里都有攻擊樣本 X_tr, X_te, y_tr, y_te train_test_split( X, y, test_sizeargs.test_size, stratifyy, random_state42 ) model lgb.LGBMClassifier( class_weightbalanced, n_estimators200, learning_rate0.1, num_leaves15 ) model.fit(X_tr, y_tr) pred model.predict(X_te) precision, recall, f1, _ precision_recall_fscore_support(y_te, pred, averagebinary) print(fprecision{precision:.4f} recall{recall:.4f} f1{f1:.4f}) joblib.dump(model, args.model)參數(shù)說(shuō)明class_weightbalanced是另一種處理不平衡的方式和手動(dòng)scale_pos_weight二選一即可兩者都用會(huì)過(guò)度放大少數(shù)類。stratifyy保證切分時(shí)攻擊樣本比例在訓(xùn)練集和測(cè)試集中一致如果原始數(shù)據(jù)里攻擊樣本只有百分之零點(diǎn)幾這一步必不可少否則測(cè)試集里可能一個(gè)攻擊樣本都沒(méi)有評(píng)估結(jié)果完全失真。joblib.dump保存的模型文件后面可以直接加載做實(shí)時(shí)預(yù)測(cè)。4. 實(shí)時(shí)檢測(cè)鏈路從離線訓(xùn)練模型到在線流量預(yù)測(cè)的轉(zhuǎn)換4.1 數(shù)據(jù)流重放與實(shí)時(shí)抓取的接口差異源碼如果只做到離線訓(xùn)練那它只是個(gè)數(shù)據(jù)分析項(xiàng)目不叫入侵檢測(cè)系統(tǒng)。真正的系統(tǒng)至少要有一個(gè)在線預(yù)測(cè)模塊能讀網(wǎng)卡實(shí)時(shí)流量或周期性地讀日志。這里有個(gè)新手最容易踩的坑訓(xùn)練時(shí)用的特征和在線抓包算出來(lái)的特征必須完全一致。我在自己的項(xiàng)目實(shí)施中被這個(gè)坑過(guò)一次——訓(xùn)練時(shí)用的是CICIDS2017的Flow特征會(huì)話粒度的雙向流統(tǒng)計(jì)在線預(yù)測(cè)時(shí)卻用scapy按單向包統(tǒng)計(jì)結(jié)果模型預(yù)測(cè)全亂套。常見(jiàn)做法是在線部分用tshark或pyshark按固定時(shí)間窗口抓包在每個(gè)窗口內(nèi)重建會(huì)話然后復(fù)用訓(xùn)練時(shí)同一套特征提取代碼。如果你的源碼里特征提取函數(shù)是模塊化的比如extract_features(packets, session_table)那直接調(diào)用即可如果源碼是把特征提取和訓(xùn)練寫(xiě)在同一個(gè)腳本里沒(méi)有封裝你要自己拆出來(lái)這一步是工程化改造的核心。下面是一段從pcap讀取并實(shí)時(shí)推送給模型的最小示例import joblib from collections import defaultdict import pyshark # 加載訓(xùn)練階段保存的模型 model joblib.load(output/lgb_model.txt) # 會(huì)話表五元組 - 統(tǒng)計(jì)信息 session_stats defaultdict( lambda: {bytes_sent: 0, bytes_recv: 0, pkt_count: 0, start_time: None, end_time: None} ) cap pyshark.LiveCapture(interfaceeth0, bpf_filtertcp or udp) # 每抓一個(gè)包更新會(huì)話統(tǒng)計(jì) for pkt in cap.sniff_continuously(packet_count10000): try: src pkt.ip.src dst pkt.ip.dst sport pkt[pkt.transport_layer].srcport dport pkt[pkt.transport_layer].dstport proto pkt.transport_layer key (src, dst, sport, dport, proto) pkt_len int(pkt.length) ts float(pkt.sniff_timestamp) st session_stats[key] if key[2] key[3]: # 簡(jiǎn)單方向判斷低位端口為發(fā)起方 st[bytes_sent] pkt_len else: st[bytes_recv] pkt_len st[pkt_count] 1 st[end_time] ts if st[start_time] is None: st[start_time] ts except AttributeError: continue # 非IP包或解析失敗直接跳過(guò)這段代碼邏輯說(shuō)明會(huì)話方向判斷用的是一種取巧方式通過(guò)比較端口號(hào)大小來(lái)確定哪邊是發(fā)起方僅適合快速驗(yàn)證真實(shí)場(chǎng)景要通過(guò)SYN包方向來(lái)判定正確與否。為了確保特征對(duì)齊每個(gè)會(huì)話需要保存首包時(shí)間、總字節(jié)數(shù)、包數(shù)、持續(xù)時(shí)長(zhǎng)然后構(gòu)造成和訓(xùn)練時(shí)相同的特征向量。4.2 特征對(duì)齊的一致性問(wèn)題拿不到就報(bào)警而不是報(bào)錯(cuò)在線檢測(cè)時(shí)最容易發(fā)生的不是代碼崩潰而是特征值對(duì)不上。訓(xùn)練集里某個(gè)特征列名是flow_duration在線提取時(shí)寫(xiě)成duration_ms模型predict時(shí)會(huì)報(bào)特征不匹配。大多數(shù)機(jī)器學(xué)習(xí)框架要求輸入數(shù)據(jù)的列名和類型完全一致。我建議在預(yù)測(cè)前加一道特征順序校驗(yàn)expected_features model.feature_names_ online_df pd.DataFrame([latest_feature_dict]) if set(expected_features) ! set(online_df.columns): missing set(expected_features) - set(online_df.columns) raise ValueError(fonline features missing: {missing}) pred model.predict(online_df)[0] score model.predict_proba(online_df)[0][1] if score 0.85: alert(suspicious flow: %s score%.3f % (session_key, score))這里score直接用的是模型輸出的概率報(bào)警條件設(shè)置為0.85而不是0.5是為了壓低誤報(bào)。因?yàn)樵诰€場(chǎng)景攻擊先驗(yàn)概率遠(yuǎn)低于訓(xùn)練集里的比例你需要把決策閾值調(diào)高。這個(gè)閾值怎么選如果源碼自帶驗(yàn)證腳本可以訓(xùn)練后在驗(yàn)證集上畫(huà)出precision-recall曲線找到F1最大的點(diǎn)作為初始閾值如果沒(méi)有先用0.85跑一段時(shí)間統(tǒng)計(jì)誤報(bào)率再調(diào)整。我會(huì)在生產(chǎn)環(huán)境里保留最近7天的預(yù)測(cè)分?jǐn)?shù)與人工復(fù)核結(jié)果每周校準(zhǔn)一次閾值而不是始終用一個(gè)固定值。4.3 告警輸出的輕量做法從打印到寫(xiě)日志再到Webhook很多源碼的在線模塊最后只是print一條“Attack detected”這在Demo里沒(méi)問(wèn)題但落到真實(shí)環(huán)境就會(huì)被淹沒(méi)在控制臺(tái)輸出里。我的習(xí)慣是做一個(gè)三層輸出第一層是結(jié)構(gòu)化日志寫(xiě)到JSON文件方便后續(xù)檢索第二層是命令行實(shí)時(shí)滾動(dòng)便于開(kāi)發(fā)時(shí)調(diào)試第三層是HTTP回調(diào)或?qū)憯?shù)據(jù)庫(kù)方便對(duì)接工單系統(tǒng)。import json import logging # 配置結(jié)構(gòu)化日志 logging.basicConfig(filenameids_alerts.log, levellogging.INFO, format%(asctime)s %(message)s) # 告警結(jié)構(gòu)體源IP目標(biāo)IP特征摘要模型分?jǐn)?shù) alert_data { src_ip: src, dst_ip: dst, src_port: sport, dst_port: dport, protocol: proto, score: round(score, 3), feature_snapshot: {k: round(v, 3) for k, v in latest_feature_dict.items() if isinstance(v, float)} } logging.info(json.dumps(alert_data, ensure_asciiFalse))這里feature_snapshot記錄的是觸發(fā)告警時(shí)的原始特征這個(gè)太重要了。沒(méi)有這個(gè)快照事后分析一個(gè)告警只能看到IP和端口完全不知道模型是依據(jù)什么判斷的。字段值保留三位小數(shù)即可沒(méi)必要全精度存儲(chǔ)否則日志文件膨脹很快。如果后續(xù)要做溯源快照里還應(yīng)該加上時(shí)間戳和抓包文件序號(hào)。這個(gè)過(guò)程不復(fù)雜但源碼里基本都沒(méi)有需要你自己補(bǔ)上。5. 入侵檢測(cè)源碼的五個(gè)常見(jiàn)翻車點(diǎn)從踩坑到排錯(cuò)5.1 訓(xùn)練時(shí)評(píng)分高、線上檢測(cè)率低過(guò)擬合和樣本偏差在作怪現(xiàn)象是模型在測(cè)試集上F1有0.98換到真實(shí)流量后檢測(cè)率猛跌到不到50%。原因是源碼里的數(shù)據(jù)劃分可能沒(méi)做時(shí)間維度的切分或者直接隨機(jī)切分導(dǎo)致相鄰會(huì)話泄漏到訓(xùn)練集和測(cè)試集。解決用按時(shí)間排序的前70%做訓(xùn)練、后30%做驗(yàn)證或者按會(huì)話ID而不是行來(lái)劃分防止同一條流的兩半被切到兩邊。另外真實(shí)流量里攻擊模式分布和數(shù)據(jù)集差距很大純監(jiān)督模型會(huì)失效。建議加一個(gè)無(wú)監(jiān)督異常檢測(cè)支路比如以重建誤差為指標(biāo)的自編碼器把得分高的樣本交給隨機(jī)森林再判一次兩條路都指向異常才告警。5.2 預(yù)測(cè)階段報(bào)特征數(shù)量不匹配列名順序和重構(gòu)的坑現(xiàn)象是無(wú)異常報(bào)錯(cuò)錯(cuò)誤信息是“feature names mismatch”或“number of features does not match”。原因是在線提取特征時(shí)丟了某一列或者把特征字典直接dict轉(zhuǎn)DataFrame導(dǎo)致列順序是字母序和訓(xùn)練時(shí)的列順序不一樣。解決訓(xùn)練后把模型.feature_names_存成JSON在線加載后按這個(gè)列表從自己的特征字典重建DataFrame并保證全部填充缺失列填0也比直接報(bào)錯(cuò)強(qiáng)。我遇過(guò)一次更隱蔽的同一特征在訓(xùn)練集是float類型在線提取時(shí)傳了intLightGBM沒(méi)報(bào)錯(cuò)但結(jié)果全偏了后續(xù)一定要用astype(float)統(tǒng)一類型。5.3 抓包權(quán)限和性能損耗千萬(wàn)別在生產(chǎn)網(wǎng)卡上直接跑現(xiàn)象是pyshark運(yùn)行時(shí)卡頓或直接權(quán)限拒絕。原因是LiveCapture需要root權(quán)限如果以普通用戶身份跑會(huì)不斷報(bào)錯(cuò)問(wèn)你tshark有沒(méi)有裝好。解決用sudo -u idsuser tshark或給程序加CAP_NET_RAW能力sudo setcap cap_net_raw,cap_net_admineip /usr/bin/python3這樣不用root也能抓包。性能方面內(nèi)網(wǎng)千兆流量下pyshark單線程抓包會(huì)丟包解決方法是旁路鏡像口抓包或者用tshark -i eth0 -w /tmp/live.pcap -q寫(xiě)文件再另起一個(gè)進(jìn)程讀這個(gè)文件做特征提取。這樣把抓包和檢測(cè)解耦后面升級(jí)到PF_RING之類的高性能采集也不影響檢測(cè)邏輯。5.4 標(biāo)簽不平衡導(dǎo)致模型不收斂或全預(yù)測(cè)正常類現(xiàn)象是訓(xùn)練后分類報(bào)告里正常類召回率99.9%攻擊類召回率為0。原因是from sklearn.metrics import accuracy_score后只顧著看準(zhǔn)確率而準(zhǔn)確率被正常類主導(dǎo)。解決訓(xùn)練時(shí)務(wù)必用F1或recall作為調(diào)參目標(biāo)并且在數(shù)據(jù)切分時(shí)用stratify。如果你的源碼里訓(xùn)練部分沒(méi)有stratify自己改一行如果用了SMOTE注意不要在切分?jǐn)?shù)據(jù)之前做全量SMOTE那樣會(huì)數(shù)據(jù)泄漏正確做法是先切分、再只在訓(xùn)練集上過(guò)采樣。5.5 特征重要性前幾名全是時(shí)間戳和序號(hào)數(shù)據(jù)泄露的典型特征現(xiàn)象是模型輸出的特征重要性里Flow ID、Timestamp、Src Port這些名列前三。這意味著模型找到了和攻擊行為本身無(wú)關(guān)的信息。原因是源碼在特征工程時(shí)沒(méi)有把純標(biāo)識(shí)字段剔除而訓(xùn)練集里的時(shí)間戳范圍恰好在某些攻擊時(shí)間區(qū)間內(nèi)模型直接按時(shí)間段分類。解決在特征提取階段將所有ID類字段、時(shí)間戳、源IP端口直接刪除。如果不舍得刪源端口因?yàn)樗鼘?duì)端口掃描檢測(cè)有價(jià)值至少要把源IP做哈希映射防止模型記住特定IP的攻擊行為。這個(gè)坑在大學(xué)課程設(shè)計(jì)源碼里出現(xiàn)概率極高。6. 進(jìn)階用法用特征重要性和閾值調(diào)整把模型變成可解釋的檢測(cè)規(guī)則當(dāng)你跑通了離線訓(xùn)練和在線檢測(cè)下一步要做的是把機(jī)器學(xué)習(xí)模型的決策邏輯翻譯成運(yùn)維能懂的說(shuō)法。這個(gè)環(huán)節(jié)不是為了學(xué)術(shù)好看而是為了讓你在生產(chǎn)環(huán)境出問(wèn)題時(shí)能快速定位到底是哪種流量特征觸發(fā)了告警誤報(bào)是不是因?yàn)槟硞€(gè)特征定義得太窄。具體做法是導(dǎo)出特征重要性并排序再看top特征在攻擊樣本和正常樣本上的分布差異。比如特征重要性第一位是SYN包占比攻擊樣本均值是0.85正常樣本是0.1那你完全可以把這條邏輯抽出來(lái)和模型同時(shí)生效如果SYN占比超過(guò)0.6則直接按高風(fēng)險(xiǎn)處理。這樣可以對(duì)抗模型在小樣本攻擊類型上的不穩(wěn)定判斷。下面這段代碼就是干這個(gè)的# 導(dǎo)出特征重要性并做規(guī)則化 importance_df pd.DataFrame({ feature: model.feature_names_, importance: model.feature_importances_ }).sort_values(importance, ascendingFalse).head(20) # 對(duì)top特征查看攻擊/正常樣本的分布差異 for feat in importance_df[feature][:5]: attack_vals X_train[y_train 1][feat] normal_vals X_train[y_train 0][feat] print(feat, attack_mean, round(attack_vals.mean(), 3), normal_mean, round(normal_vals.mean(), 3))這一段的價(jià)值在于把機(jī)器學(xué)習(xí)從黑匣子變成“閾值規(guī)則模型兜底”的混合系統(tǒng)。我在實(shí)際維護(hù)中見(jiàn)過(guò)一種情況模型某一天誤報(bào)暴增查下來(lái)是因?yàn)樾律暇€的業(yè)務(wù)大量使用某種云服務(wù)商IP段而特征里包含源IP地理位置編碼模型把這段IP全當(dāng)成了異常。這時(shí)候因?yàn)橛涗浟颂卣骺煺昭杆俣ㄎ坏绞荌P特征導(dǎo)致直接在特征工程里刪掉這一列重新訓(xùn)練就好了。如果你不提前做這個(gè)可解釋性工程遇到線上問(wèn)題時(shí)基本就是盲人摸象只能按報(bào)警IP一個(gè)個(gè)查效率極低。閾值調(diào)整也是一樣。我記得有一次客戶環(huán)境限定誤報(bào)每天不能超過(guò)5條模型默認(rèn)閾值下去一天能彈30條。我的辦法是把預(yù)測(cè)概率全部存下來(lái)跑一周統(tǒng)計(jì)每天top N的概率分布然后人為定一個(gè)只放行前5條的門(mén)檻。這種方式不是在降低模型能力而是在把模型的排序能力用起來(lái)然后用閾值控制數(shù)量。你的源碼里如果閾值是寫(xiě)死的0.5建議改成可配置參數(shù)同時(shí)把最近N條告警的score輸出到CSV用Excel拉個(gè)分布就能找到合適的值。最后說(shuō)一個(gè)我的個(gè)人習(xí)慣無(wú)論源碼多完善我都會(huì)保留一份最簡(jiǎn)離線驗(yàn)證腳本只做“加載CSV→訓(xùn)練→導(dǎo)出規(guī)則”這件事不碰在線抓包。因?yàn)榫€上問(wèn)題排查時(shí)需要在一個(gè)完全可控的環(huán)境里快速測(cè)試某個(gè)特征改動(dòng)帶來(lái)的影響而不是在實(shí)時(shí)流量里反復(fù)試驗(yàn)。這套習(xí)慣在幾次數(shù)次被攻擊行為變化導(dǎo)致誤報(bào)的深夜救過(guò)我希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色婷婷电影| 99这里只有精彩视频| 风流少妇A片一区二区蜜桃| 九九视频热| 日韩av变天就操逼不卡区| 天天色伊人| 91xxxx九色| SESE无码AV| 狠狠看狠狠| 伊人久久婷婷| 成人AV在线网站| 高清国产AV| 香蕉久久国产AV一区二区 | 9热成人在线视频| 五婷婷综合网| 91人人爱| 婷婷六月激情综合| 99免费在线视频| 99久久99久久综合| 人人草人| 亚洲天天综合| 天天爽夜夜爽| 深爱丁香激情| 五月婷婷色丁香| www.激情五月天。com| 日韩精品一品二区三区的使用体验| 亚洲成人日韩无码精品| 草草色情综合网| 五月天综合色| 日日综合网| 中文字幕综合| 日日日日操| 丁香激惜男女| 婷婷四月 成人 狠狠干| 久久中文人妻系列| 99久久免费性爱视频`| 91超碰在线播放| 99九九中文字幕视频| 婷婷五月丁香性爱| 婷婷五月天av小说| AV片一区在线观看| 在线看片h站| 狠狠色综合网| 亚洲天堂久久| 在线视频另类| 久草五月婷婷| 激情综合区| 99这里只有精品| 亚洲情欲| 丁香五月天资源网| 五月丁香激情综合网| 五月丁香六月婷婷综合网| 九九爱这里只有精品| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 国产激情综合五月久久| 五月天激情综合| 色情综合| 99热精品无码| 91超级碰| 狠狠色丁香| 91精品综合久久久久久五月丁香| 激情小说视频图片| 色五月丁香五月| 五月天婷婷爱丁香中文字幕| 亚洲99在线| 色情五月综合婷婷| 九月大香蕉| 狠狠爱综合网| 玖玖伦理电影| 婷婷丁香五月天小说| 九九成人精品免费视频| 六月色婷婷综合影视| 69超碰在线| 天天色播| 九九久久高清| 五月丁香啪啪激情| 婷婷综合成人| 狠狠穞A片一區二區三區| 五月天色丁香| 五月婷婷日| 久久久久久人妻| 五月天婷婷综合| 狠狠干五月| 超碰国产在线| 啪啪小说五月天| 五月开心深深爱激情综合| 99色免费视频| 五月丁香综合激情| 99久久久久久| 小视频久久久aaa| 开心五月婷婷| 欧美图片丁香五月天| 日日婷婷不卡| 另类在线| 牛牛澡牛牛爽| 在线看黄色| 黄页免费一级视频懂色| 26uuu国产| 狠狠精品干练久久久无码中文字幕| 丁香久月婷| 亚洲 在线 性爱| 久久aaaa片一区二区| 久草婷| 天天日天天爽夜夜爽| 操91| 五月丁香激情啪啪| 五月丁香婷婷钟和色图| 亚韩精品视频1区| 99热九九九九| 91精品综合久久婷婷九色| 成人综合视频在线| 丁香婷五月天开心六月| 日本三级大片| 最近中文字幕大全免费版在线 | 男人的天堂av俄罗斯热| 国产精品日日躁夜夜躁| 久久小说| 激情网五夜婷婷| 狠狠色丁香婷婷久久综合| 欧在线一区| 亚洲男人的天堂婷婷色五月| 六月 丁香 视频| 五月婷丁香| 超碰99在线观看| 久久这里都是精品| 粉嫩AV久久一区二区三区| 久久狠狠欧美| 五月天色婷婷伊人网| www.夜夜操| 五月丁香婷婷六月天| 秋霞三级影视资源| 密桃激情五月天综合网| 九九青草热| 夜夜骑夜夜撸| 中文字幕无码AV| av一区二区电影免费在线观看| 久久综合网桃花| 久操大香蕉| 天天成人综合| 亚洲va欧美va天堂v国产综合| 91黄操| www.99热视频| 久久久精品婷婷五月天| 婷婷五月色综合| 欧洲永久精品| 欧洲免费视频色| 91日视频| 日本猛少妇色XXXXX猛叫| 九九热9| 黑人无码一区| 五月天婷婷综合久久| 这里只有精品99www| 婷婷五月天在线一区| 久久东京热婷婷五月| 亚洲日日日| av操逼网| 外国碰视频网站97| 五月婷在线色视频| 男人天堂99| 北京熟妇搡BBBB搡BBBB| 97人妻碰碰碰久久| 国产婷婷综合| 在线视频激情网站| 99爱爱| 亚洲正能量欧美| 色噜噜狠狠色综合网| 777久久综合视频| 婷婷五月图片小说网| 综合99视频| 9久久久久久久久久久| 五月停停直播| 五月丁香综合| 男男野外做爰全过程69| 蜜臀av粉嫩av懂色av| wwxx日本| 激情五月婷| 欧美日韩91| 爱iii做iiii日日| 婷婷伊人| 欧美三级大片AA在线看| 99色色热| 99色色视频| 日本天天操| 五月婷婷自拍视频| 亚洲av骚货| 五月婷婷片| 狠狠色噜噜狠狠狠777奇米| 九九九九综合| 这里只有精品在线看| 99精品自拍| 婷婷综合中文字幕| 99久久婷婷国产综合| 不卡影院午夜理论片| 婷婷久久五月丁香| 国产精女同一区二区三区久| 五月丁香六月在线欧美| 激情五月天伊人影院| 狠狠综合网| 色爱综合五月| 五月天婷婷青青| 欧美久久网| 亚洲日韩操B| 影音先锋噜一噜| 99热色在线精品| 五月激情综合网| 日韩欧美成人网| 色10月婷婷视频| 五月婷婷天| 99热这里只有精品8| 色婷婷亚洲在线观看| 婷婷5月色| 综合成人小说婷婷| 久久九九激情五月天| 婷婷六月激情| 激情五月天电影| 开心五月深爱五月| 亚洲av成人在线| 五月婷婷人妻| 另类少妇人与禽zOZZ0性伦| 五月丁香六月婷婷久久肏| 久色中文| 丁香五月欧美| 婷婷丁香九月| www夜夜操com| 三级片AAA久久久AAA久久久AAA| 午夜丁香综合婷婷| 狠色色狠网| 大香蕉久| 在线中文字幕视频| 五月丁香婷婷导航视频| 校园春色亚洲色| 热九九在线| 精品久久这里热66| 久热99视频在线观看| 丁香五月婷婷亚洲人| 这里只有精品免费观看网占| 色色99| 啪啪夜久久| 996热re视频精品视频这里| 天天做天天爽| 91精品在线看| 秋霞A V毛片| 欧美激情 日韩无码 婷婷 五月天| 九九精品碰| 美女五月天| 五月婷婷六月基地| 色婷婷色五月另类综合| 99色视| 亚洲精品在线视频| 伊人玖玖综合| 色色婷婷综合网| 久久精品99国产精品日本| 亚洲色色色| 色色色视频| 伊人久热91网| 色婷婷玖玖影院| 九热...av| 天天狠天天叉| 色婷小说| 婷婷激情欧美| 国产肥白大熟妇BBBB视频| 97碰啪啪| 丁香五月影视| 国产44页| 99免费在线| 色欲色欲久久宗合网| 激情综合播播| 99爱视频在线| 日本人妻A片成人免费看片| 五月丁香六月色| 91re色综合视频| 婷婷 激情 五月| 97色色色| 五月丁香婷婷爱激情综合网| 久久99精品久久只有精品| 91性交在线播放| 777.色色| 开心五月天激情网| wwW天天干| 在线观看的av| 大香蕉天堂| 成年人丁香五月| 影音先锋一区二区资源站| 甈吧vv| 久久99网站| 色五月天.con| 影音先锋一区| 99网址在线看| 六月丁香中文字幕| 国产操B视频| 色婷久久| 欧美日韩五月婷婷| 激情六月色| 91女人18毛片水多国产| 人人人操B超碰| 六月婷婷毛片| 去干网最新版本亚洲版| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品 | 五月婷久草| 夜夜骑天天玩天天日| 色色五月婷婷狠狠| 婷婷伊人久久综合| 玖玖99婷婷| 天天情色五月天| 亚洲乱码日产精品BD| 色综合色欲综合天天免费| 狠狠穞A片一區二區三區| 丁香六月色婷婷欧美| 色色色色色色网| 久久综合婷婷| 婷婷五月天影院| 亚洲性天天| 久久无码激情视频| 婷婷五月色| 欧美99视频| 99在线视频资源| 伊人玖玖网| 婷婷五月天在线视频网站| 九9九9无码| 婷婷五月天福利| 亚洲无码成人网| h在线看免费版在线看| 久久久久婷| 亚洲婷婷久久综合| 琪琪色热色色| 五月停亭六月,六月停亭的英语| AV在线免费网站| 色哟哟www| 99干日本| 五月激情六月综合| 亚洲五月婷婷在线| www.91五月| 天天舔天天摸天天透| 亚洲中文字幕在线电影| 丁香五月天在线| 区啪精品| 久久92| 久久精品婷婷| 97福利视频| 五月丁香网站在线播放| 天天干人人奸97| 79色色色色| 99热精品网| 五月丁香激情综合啪啪| 婷婷五月播| 天天天天干| 久久99热 这里有精品| 日韩综合成人| 色色色无码| 亚洲精品视频电影| 激情五月婷婷| 2025最新亚洲激情在线| 中文字幕在线aⅴ免费观看| 日本va视频| 久久五月天 91| 九九热最新| 操久久网| 中文字幕日产A片在线看| 久久99久久99精品免视看婷婷| 久久九九激情五月天| 亚洲亚洲永久无码777777| 99热免费18| 色五月婷婷基地| 综合久久高清| 婷婷性爱| 久狠日av| 激情久久网 | 91午夜婷婷狠狠久久综合9色| 婷婷色色欧美| 六月婷婷av| 婷婷丁香五月综合| 婷婷精品性性性性性性性| 人人操91色| 亚洲乱码在线观看| 七七九九色色| 9色小视频在线观看| 99综合| 在线婷婷| 九九热123| 色99在线视频| 丁香色婷婷| 777影视理论片大全在线观看 | 26uuu美女三级视频| 五月丁香婷婷欧美色图视频五月丁香777电影 | http://www.sd-xiangsu.com/| 五月激情射| 丁香婷婷影院| 国产另类综合| 激情综合网址| 欧亚成人A片一区二区| 夜丁香五月婷婷| 久大香蕉| 国产婷婷色综合AV蜜臀AV| 国产精品热搜丁香五月婷婷| 91ncm视频| 丁香五月社区| 成人丁香五月| 五月丁香久人妻中文| 丁香,开心成人,久久| 看片视频在线免费日产在线看| 九九亚洲视频| 色婷婷香蕉在线| 亚洲VA口| 99热这里只有精品国产免费| 婷婷六月久久| 99热这里只有精彩| 色五婷婷| 性色人人爽| 桃色五月婷婷| 久久色婷婷| 天天肏天天插| 婷婷伊人75| 激情五月天综合| 丁香色五月婷婷91桃色| 亚洲视频二区| 五月丁香综合精品欧美| 亚洲综合另类| 丁香五月天婷婷久久| 欧美久人人| 婷婷五月激情五月激情| 26uuu另类亚洲欧美日本一| 五月色色网| AV片一区在线观看| 婷综合| 丁香五月人妻熟女| 综合激情在线视频| 精品一区久热| 婷婷五月天亚洲| 五月天影院| 日本一级一级一级一级| 狠狠色 综合色区| 日本不卡中文字幕| 婷婷五月六月丁香综合| 99热大香蕉| 1024国产在线| 色欲久久综合| 激情五月婷婷色| 五月开心婷婷极品激情| 亚洲在线成人| 精品亚洲国产成人A片在线鸭王| 婷婷五月天六月丁香| 99在线观看免费精品视频| 99热99| 图片区 小说区 区 亚洲五月 | 思思re99视频在线观看| 天天婷婷| 五月婷婷 六月丁香| 国产av基地| 日本少妇裸体做爰高潮片| 色私五月婷婷| 午夜婷婷六月天| 欧亚洲在线高清视频| 噜噜五月天综合| 久久丁香五月天| 久久久久人妻| 五月天婷婷色播在线网| 一起操 91N.com| 亚洲成人在线播放| 大香蕉五月婷婷| 六月狠狠综合| 草操网| 美欧成人视频| 玖玖99婷婷| 九九热在线精品视频| 色婷婷久久综合丁香五月| 99re熱| 日本视频欧美观看免费| 操逼五月婷婷| 91久久久久久| 99日本黄站| 五月婷婷自拍| 丁香久色| 国产激情久久久| 五月天激情综合网| 五月丁香婷婷伊人| 久久99网站| 91人人操人人爱| 丁香5月婷婷| 再次出发二| 综合网啪啪| 97操碰在线97| 亚洲欧洲中文日韩久久AV乱码 | www91精品| 久久精品国产AV一区二区三区 | 色五月人妻| 九九亚洲| 色婷婷五月天视频在线| 激情综合婷婷| 婷婷的激情五月| 日韩高清成人| 欧美日韩国产一区二区| 影音先锋男人AV资源站| 少妇被下春药玩弄A片| 99在线观看| 丁香综合婷婷五月天| 热的无码综合视频| 色婷婷六月激情| 亚洲AV免费在线| 婷婷五月天久久综合88| 午夜激情久久| 91se视频| 日本乱子人伦在线视频| 丁香五月天堂| 亚洲视频二区| 久久婷婷五月天激情| 色婷婷综合网站| 日操五月婷| 久久五月天大美女| 色欲婷婷五月天| 久久婷婷东京热| 色欲久久99精品久久久久久| 中文成人在线| 国产精品美女| 九九碰九九爱97超碰| 精品色色| 五月天婷婷婷| 日韩十国产极品久久| 狠狠色丁香99| 成人色站,在线视频,看片-SS1AV| 欧亚洲在线高清视频| 97在线干| 久久六月综合| 色婷婷丁香AV综合| 人妻丰满精品一区二区A片| www.婷婷六月天| 丁香五月激情婷婷| 97色天堂| 五月天伊人久久久久| www天天爽| 五月情涩综合婷婷| 思思热久久婷婷五月天| 丁香婷婷五色月| 天天做天天爱天天爽夜夜揉| www.yw尤物| 超碰91av| 热久久91| 一逼色综合| 日本色99| www.91操| 伊人干综合| 色色色婷婷五月天| 五月激情射| 婷婷五月中文字幕| 无码动漫av| 好色婷婷| 99热热这里只精品996小说| 久久久婷婷色五月资源网| 色吊操色妞| 99久久偷拍视频| 婷婷丁香成人色综合| 午夜天天精品视频| 青青久在线视频免费观看| 国产亚洲成AV人片在线观黄桃| 蜜桃人妻无码AV天堂三区| 丁香五月社区| 图片区 小说区 区 亚洲五月| 婷婷丁香五月综合| 夜夜干天天操| 人妻中文在线| 国产成人精品亚洲线观看| 26uuu欧美| 激情又色又爽又黄的A片| 少妇高潮A片无套内谢麻豆传| 欧美激情五月天| 99精品在线播放| 狠狠五月天| 亚洲中文字幕av| 亚洲成人免费电影| 亚洲妇女熟BBW| 狠狠精品干练久久久无码中文字幕| 欧美成人AAA片一区国产精品| 99热在线观看| 先锋影音av色五月天资源站| 色啪久| 色色色丁香| 亲子乱AV-区二区三区| 依人大香蕉在钱1| 国产女生爱爱AA| 综合超碰熟| 日本97在线| 亚洲午夜一区二区| 五月丁香婷婷在线| 亚洲中文丁香| 97色五月天| 激情五月天婷婷视频| 开心五月激情婷婷| www婷婷| 97色97干| 可以直接看的av| 天天日天天色| 日本操B视频在线观看| www久久久久久久久久久久久久久久久| 五月丁香婷婷激情图片| 丁香花成人区| www.99婷婷| 99精品在线观看| 热热久久精品视频| A A色色| 人人爱国产| 中文成人在线| 五月激情婷婷在线| 亚洲精品一区无码A片| 热热色色五月天婷婷| 久9草在线观看视频| 五月丁香成年黄色| 99黄色性生活| 桃色激情婷婷伊人网| 天天日天天做天天操| 婷婷天天日婷婷| 日韩高清成人| 丁香啪啪| 久久这里只有精品视频15| 久热婷婷在线视频| 99啪| 激情五月激情综合网一级丸片| 久色五月婷婷综合| 最近中文字幕在线中文视频| www.99久| 伊人久久婷婷| 在线超碰免费| 久久9久久| 亚洲小视频免费播放| 天天草天天舔| 热99AV网站| 超级碰碰91| 九九RE视频在线精品| 亚洲激情四射色| 日本97久久久精品| 久久丁香五月综合六月激情红杏视频| www.五月激情红色| 这里只有精品无码| 日韩欧美颜射| 五月天激情国产综合婷婷婷| 亚洲不卡123| 久久婷狠狠色| 综合色天天| 99性感视频| 丁XX 成人| 五月婷婷AV| A片试看50分钟做受视频| 婷婷五月天最新网址| 大香蕉五月天婷婷丁香91| www.主妇. com| 新激情五月天色播| 婷婷情色五月天| 色狠狠色| 深爱婷婷丁香五月激情| 久久久久久人妻| 99爱视频在线观看| 婷婷五月天桃花网| 色噜噜97视频在线观看| 婷婷五月天日逼| 天天五月天综合网址| 五月天激情综合| 丁香五月成人| 激情五月婷婷色色| 色综合夜夜| 五月婷婷手机在线| 色五月婷婷av| 激情性爱五月天网页| 91人人澡人人爽人人看| 丁香婷婷少妇| 99在线热视频| 丰满老熟妇BBBBB搡BBB| 色情婷| 丁香色五月直播| 丁香婷婷视频一区二区| 激情综合区| 大香蕉久久视频久久视频| 国产资源在线视频| 婷婷激情五月天网站| 操日挥操日日| 中文字幕 中文字幕明步| 激情综合五月丁香六月婷婷| 啪啪激情综合| 五月丁香欧美综合免费视频| 男人天堂99| 影音先锋91在线资源站| 久Se视频在线观看| 99精彩视频在线观看| 牛牛色av| 色婷婷88| 免费视频舔| 蜜乳.comcom| α久久| 99热久久最新地址| 热成人网| 日韩操| 婷婷天天日婷婷| 伊人久久五月天综合| 青草热视频这里只有精品| 婷婷5月色| 激情五月色婷婷| 超碰在线观看9| 色欲天天综合网| 天天色情站| 天天爽,天天操。| 2020夜夜操天天爽| 夜夜夜夜撸夜夜操| 色婷婷五月天久久| 丁香 亚洲 久久| 人妻熟女一区二区AV| 色欲九区| 另类小说五月天综合网| 色色色欧美| 五月久久| 丁香五月宝贝激情网| 另类激情五月| 日本偷拍九九九| 久久老码第一| 五月天偷拍| 国产真人做爰视频免费| 日韩欧美一级大黄网站| 婷婷五月天在线一区| 成人精品视频99在线观看免费| 国产操B视频| 激情网婷婷婷| 日日日日日| 色婷久九| 婷婷六月激情综合| 国产FREESEXVIDEOS性中国| 五月丁香激情四射综合| 婷婷开心激情| 婷婷在线中文字幕| 去干网av| 99热主页日本| wwww.色婷婷| 亚洲综合丁香婷婷六月天| 色五月综合网| 午夜婷婷久久 | 强伦轩人妻一区二区电影| 99爱在线| 性小说五月天| 天天噜日日噜综合无码| 9在线9在线婷婷在线国产| 五月丁香六月婷婷综合网| 精品久久99| 十区AV| 亚洲丁香五月| 成人做爰高潮A片免费视频| 五月伊人网| 色色色色热| 九九精品9| 亚洲婷婷丁香五月天激情小说| 亚洲AV网站| 亚洲婷婷激情综合激情999精品| 色婷婷色人人射| 国产人妻777人伦精品HD| 色色五月天激情| 久久久久久久人妻| 开心婷婷五月综合| 玖玖九九99| 色婷婷小说| 99热9| 日韩人妻在线观看| 婷婷九色| 79色色免费| 国产精品99久久久久久久女警| 日本久久高清| 成人AV中文字幕| 色色综合院| 天天擼久久擼在线| 荫道BBWBBB高潮潮喷| 丁香综合伊人| 欧美人妻一区二区| 日本99在线视频| www激情| 久月久在线视频| 91啪级电影| 国产激情综合五月久久| 伊人五月天综合网| 人人操AV| 久久婷婷五月天激情四射| 九九色院| 日韩色情亚洲五月天婷婷| 少妇2做爰HD韩国电影| 玖玖国产视频一区| 婷婷五月天色色| 91狠狠色色丁香婷婷综合久久| 五月天国产婷婷精品视频在线| 久操乱| 亚洲行行色色| 香蕉AV777XXX色综合一区| 婷婷五月天va| 丁香六月婷婷久久综合| 色激情综合狠狠婷婷| 97人妻碰碰中文无码久热丝袜| 铁牛TV人妻| 久久婷婷视频| 国产综合久久久777777| 婷婷五月丁香基地| 免费V片在线| 婷婷五月天第四色| 激情五月成年| 色色日韩无码| 538在线精品| 色狠狠六月| 免费视频WWW在线观看网站| 99爱免费在线观看| 天天综合色| 蜘蛛女免费观看完整版高清电影| 啪啪一区| 九热在线这里有精品6| 丁香六月综合激情| site:hcxsz888.com| 天天操婷婷| 色婷五月婷婷| 99热精品在线| 婷婷五月丁香高清无码| 成人视频网| 激情小说五月天中文字幕| 国产亚洲精品久久久久久牛牛| 久久婷婷成人视频| 色五月综合婷婷| 中文字幕丰满孑伦无码专区 | a v色婷婷| 99ree6| 五月婷在线色视频| 五月丁香久久久| 新精品99| 日本人妻操| 丁香六月综合激情| 五月婷啪啪| 9久久精品| 日本久久网| 丁香桃色网| 四虎成人精品永久免费AV九九| 日韩成人电影AV| 九九热精品| 97人人干人人操| 五月天激情小说电影| 99ER热精品视频| 国产精品蜜臀99| 91嫩草国产线观看亚洲一区二区| 九九亚洲视频| 天堂网色色| 影视av久久久噜噜噜噜噜三级| 97久久精品| 色色色图| 五月丁香视频在线观看| 国产精产国品一二三在观看| m色激情网| 丁香五月天婷婷大香蕉| 欧美 日韩 成人| 91婷色| 丁香五月偷拍| 午夜理论片最新午夜理论剧| 女人被躁到高潮嗷嗷叫小| 欧美激情-区二区三区| 超碰永久在线| 亚洲成人无码网站| 九月婷婷久久| 超碰免费在线| 久久人人人人妻| 五月天激情日色在线| 激情五月天开心| 67194中文字幕| 超碰在线91| 亚洲 日韩色色| AV中文网| 这里只有精品视频99| 91婷婷在线观看| 六月婷婷色综合| 天天日夜夜高潮| 9热超碰| 亚洲综合五月| 六月婷婷av| 亚洲综合激情五月久久| 操一操| 色日本综合| 91丨九色丨43老版熟女| 五月婷婷综合网在线播放| 99在线资源视频| 天天操婷婷| 成人午夜无码视频| 亚洲国产精品VA在线看黑人| 五月天俺去也| 国产精品日日躁夜夜躁| 337p大胆噜噜噜噜噜91Av| 9这里只有精品| 98色丁香五月婷婷综合网| 久久丝袜婷婷| 婷婷五月天色丁香| 四虎99热在线观看网站| 久久99热免费最新版| 五月丁香色| 精品一区二区三区免费毛片爱| 精品51XX| 精品久久久999| 777精品久无码人妻蜜桃| 五月婷色丁香| 中文字幕高清av| 久久色婷婷| 激情校园 亚洲| 国产亚洲色婷婷久久99精品9j| 中文字幕,综合,91| 激情com| yw国产AV| 99热大香蕉| 九九国产视频| 97搞在线| 9久国产精品| 丁香六月视频| 婷婷中文字幕在线| 日本色色网| 99视频在线观看欧| 黑人无码一区| 激情深爱五月天| 五月色天情| 丁香啪啪| 色噜噜丁香| 婷婷色五月激情强奸四射| 五月亭亭六月色| 97涩婷婷婷婷基地| 日韩一级片| 啪啪啪五月天| 97五月天婷婷综合激情网| 婷婷操逼| 欧美25p| 五月开心婷婷中文字幕| 五月婷婷综合色啪首页| 九九99精品视频在线观看| 五月天欧美激情| 五月婷婷色综图片| 香蕉久久国产AV一区二区| 婷婷八月丁香激情综合| 爱爱色五月天| 久久综合婷| 思思热这里只有精品| 色综合色综合色综合| 另类天堂| 亚洲啪啪自拍| 综合网五月| 婷婷五月精品中文字幕| 狼人狠狠操| 草了bav视频在线观看| 丝袜激情网| 激情WWW| 午夜成人网站在线观看| 亚洲成人无码专区| 操操国产| 天天在线久久综合 | 秋霞簧片| www.9797国产| 少妇水多A片太爽了| 2017狠狠干| 亚洲色欲AAAAAA| 色v综合网| 久久久一级AAA| av网址在线| 婷婷五月综合视频| 九九热a| 婷婷六月偷拍| 九九热九九| 播五月丁香三月婷婷| 五月丁香六月婷婷综合免| 色五月天丁香婷婷色| 曰韩少妇内射免费播放| 超碰色色综合| 亚洲噜色| 五月天激情国产综合婷婷婷就去爱| 亚洲性爱AV| 色综合色色| 色色色热| 天干天天干天天天天天| 一区视频网站| 一级片无码| 天天操天天插| 五月婷婷五月天激情网| 激情综合自拍五月婷婷色五月| 久久久久久18| 青草青草视频2免费观看| 五月丁香成人| 热思思| 激情综合播播| 五月婷婷婷综合网| 91碰人人| 色九区| 成人短视频在线免费观看| 五月丁香久久久| 91碰视频| 人妻在线网站| 亚洲乱码日产精品BD| 亚洲成人网站在线观看| 五月天婷婷激情在线色图| 五月婷婷开心激情六月蜜桃| 色色五月丁香婷婷| 五月丁香久久婷| 久久五月婷6 9| 超碰99在线观看| 99re热视频这里只精品5| 五月丁香天天| 五月丁香免费视频| 99视频在线观看视频| 国产成人AV不卡| 亚洲男女激情| 国产精品色婷婷99久久精品| 六月丁香影院| 丁香六月婷婷综合麻豆| 一级片sese片.COM| WWW免费视频碰碰碰碰| 色五月色开心开心五月| 北京熟妇搡BBBB搡BBBB| 婷婷五月天久久| 丁香五月激情婷婷婷婷在线观看| 色宗合久久五月婷婷| 婷五月丁香俺| 99热99精品| 人妻六月天| 丁香五月天天久久综合小说| 激情久久久| www.zbzhongsen.com| 五月婷婷六月色| tingtingzonghewang| 99精品在线观看| 夜夜爱伊人| 综合大香蕉| 国产1区2区3区在线观| 再次出发二| 婷婷五日b| 伊人久久五月天| 婷婷六月天激情| 国产婷婷综合| 狠狠色婷婷| 精品久久久人妻| 亚洲综合激情五月久久| 五月婷婷很很色| 色色影院黄大片| 免费人人操| 大香蕉七区| 91久久精品无码一区二区三区| 99人碰碰碰| 激情综合色五月六月婷婷| 俺去也在线www色官网| 人人爱摸视频| 色优久久| 另类图片五月天婷婷| 亚洲人妻av| 五月激情婷婷开心五月| 久久激情五月网| 婷婷色操| 亚洲va综合va国产va中文| 麻豆WWWCOM内射软件| 日噜噜色| 五月天基地| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 开心激情综合| 婷婷九月亚洲| 婷婷丁香人妻天天爽| 91se精品国产| Caop在线| 五月婷婷丁香瑟瑟视频| 成久综合视频| 五月婷婷激情| 六月丁香婷婷色狠狠久久| 综合网网欲色| 五月婷久久综合| 伊人大香蕉毛片| 国模九区| 丰满少妇乱A片无码| 91综合在线| 超碰91在线| 天天日狠狠| 亚州色色色| 国成人网| 伊九九三级区| 99自拍视频在线观看| 天天干天天干天天干天天干天天| 五月天六月婷婷| 开心五月天激情网| 第五婷婷伊人丁香| 99视频久久免费视频| H亚洲| 激情五婷网| 亚洲人成人五月天| 婷婷五月天激情文学| 久久婷婷五月综合色丁香花| 91九色在线视频| 婷婷五月激情六月丁香| 成人在线综合| 秋霞少妇AV网站| 丁香五月天黄色片| 天天爽天天日天天舔| 伊人婷婷五月天| 久婷婷五月综合欧美| 五月天婷婷伊人| 亚洲AV成人片无码网站| 日韩啪啪自拍| 五月丁香六月婷婷,婷| 丁香五月天婷婷中文字幕| 婷婷丁香日韩五月| 久久婷婷五月天丁香| 久久99久久99精品免视看婷| 五月天六月婷婷电影| 丁香色五月 97干| 丁香婷婷黄网站| 成人丁香五月天| 狠狠干综合| 婷婷色网| 五月天网站亭亭| 成人中文网| 丁香六月婷月91婷月| 色综合中文| 激情婷婷视频在线| 婷婷日日天天| 婷婷六月天| 色色无码日韩| www.天天干| 强奸幻女毛片| 亚洲精品小视频| 九九热精品| 激情综合色婷婷啪啪六月天| 五月综合六月婷婷| 久久精品99国产精品日本| 桃色Av色哟哟| 亚洲无码播放| 日韩成人影片在线观看| 婷婷五月丁香综合人妻| 免费无码毛片一区二区A片| 色综久久AV| 99综合视频| 亚洲天堂热| 91丁香五月| 98永久精品| 激情五月天 婷婷| 亚洲视频另类| 婷婷射婷婷舔| 婷婷影视久久| 青青草原99热| 久久这里只有精品视频15| 天天摸日日舔狠狠添婷婷婷| 成人午夜天| site:picc-up.com| 99色热| 丁香五月综合色婷婷| 91久久精品无码一区二区三区| 71在线精品视频一区| 99色网站| 丁香五月天影院| 中国激情网| 丁香五月婷婷香| 色吧五月婷婷| 亚洲精品网址| 婷婷六月综合基地| 久久大香蕉同僚| 激情人妻综合| 婷婷射图| 日本3级片一区2区| 亚洲第一成人无码A片| 任你草| 五月天色婷婷激情综合| 色色五月天激情| www.久久99| 亚洲啪啪啪啪| 婷婷激情中文综合| 久久九九色| 狠狠操.com| 欧美S码亚洲码精品M码| 久久66精品| 色吊丝99| 六月激情网| 久久久中文| 99热精品在线| 天天操夜夜肏| 丁香天堂夜| 99久热| 成人网站在线观看视频| av九九| 99精品视频在线| 日本nghangse中文字幕| 激情视频综合| 久久只有精| 国产精品美女久久久久AV超清 | 国产av天堂| 色色丁香激情五月| 婷婷激情人妻| 色婷婷综合网站| 爱婷婷五月| 天天综合五月天| 色五月天综合网| 99综合婷婷五月| 7777久久亚洲中文字幕| 超碰不卡在线| 色婷五月婷婷| 亚洲美女裸体被操在线观看| 婷婷激情综合| 免费视频舔| 五月丁香婷婷狠狠操| 男人天堂99| 亚洲五月天天| 97超碰在线免费观看| www,色色色网站| 99人人干| 色色网站毛片| 色色色色色色色色色色色色色97| 日日噜人人人做人| 亚洲国产精品成人午夜| 少妇性按摩无码中文A片| 丁香五月婷婷无码AV| 99婷五月| 久久人人看| 欧美亚洲婷婷五月| 99玖玖免费视频| 超PEN精品在线| 91热99| 亚洲婷婷乱乱丁香| 操逼视频一区| 欧美成人猛片AAAAAAA| 激情人妻综合| 五月天综合区| 人妻久久婷婷| 色婷婷很很十八禁| 一起草AV| 五月丁香人妻| 日本熟女三区| 97干在线看| 777精品久无码人妻蜜桃| 99啪99| 五月天婷婷五月| 九九99在线免费在线观看视频| 精品九九久久| 天天日天天爽| 美欧日韩国产成人在战| 伊人午夜综合色啪| 丁香五月婷婷狠狠色| www,色综合| 麻豆观看夏晴子| 伊人激情综合网| 激情五月狠狠| 久这里只有精品| 五月天婷综合| 精品九九九久| 色五月婷婷五月天| 丁香激情网| 丁香五月天精品| VA婷婷| 成人电影在线免费试看| 日韩aⅴ视频| 99自拍视频在线| 久久婷.com| 婷婷五月天综合久久| 丁香五月激情六月| 人人色人人摸人人看| 色婷婷免费视频| 丁香六月婷婷社区| 色狠狠婷婷| 年轻的妺妺伦理HD中文| 久久伊人9| 色爱亚洲| 99热99这里只有精品| 四虎婷婷五月天| www.天天干.com| 狠狠人妻色综合| 色娸娸综合网| 任你搞在线观看视频| 色99最新网址| 最近免费中文字幕大全高清大全1| 97人人超| 色婷婷97| 91超碰在线播放| 五月天狠狠色| 色婷婷综合视频| 久久久久思思热| 亚洲激情综合五月婷婷啪啪| 亚洲综合丁香婷婷六月天| 久久亚洲精品成人无码网站导航|