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)運營的一線實戰(zhàn)洞察。

聯(lián)邦學習+NSL-KDD入侵檢測實戰(zhàn):Python源碼與GUI實現(xiàn)

聯(lián)邦學習+NSL-KDD入侵檢測實戰(zhàn):Python源碼與GUI實現(xiàn) 簡介這份資源面向計算機、數(shù)學、電子信息等專業(yè)正在做畢業(yè)設(shè)計、課程設(shè)計或期末大作業(yè)的學生以及需要項目實戰(zhàn)練習的學習者提供一套基于聯(lián)邦學習與NSL-KDD數(shù)據(jù)集的網(wǎng)絡(luò)入侵檢測完整方案。項目經(jīng)導(dǎo)師指導(dǎo)并獲評審98分采用客戶端-服務(wù)器架構(gòu)包含聯(lián)邦訓(xùn)練、本地模型更新、連接通信與GUI可視化等模塊可幫助讀者理解聯(lián)邦學習在入侵檢測場景中的落地方式。壓縮包共63個文件約26.18MB以py源碼、pyc編譯文件、txt說明、log日志、weight權(quán)重、png/jpg結(jié)果對比圖及csv數(shù)據(jù)集為主另含README與許可證目錄結(jié)構(gòu)清晰便于按模塊查閱。目前已有307人學習下載。讀者可獲得可直接運行的源碼、運行說明、NSL-KDD數(shù)據(jù)集與訓(xùn)練權(quán)重并借助GUI界面觀察檢測效果適合作為參考資料學習借鑒若需擴展功能則需讀懂代碼后自行調(diào)試。1. 聯(lián)邦學習NSL-KDD做入侵檢測為什么這套組合值得你花一個周末跑通很多做安全的同學第一次接觸 NSL-KDD 都是在課堂作業(yè)里用個決策樹跑出 99% 的準確率然后就沒有然后了。問題在于真實網(wǎng)絡(luò)里流量數(shù)據(jù)不可能集中到一臺機器上——運營商、云廠商、企業(yè)內(nèi)網(wǎng)各自握著一段流量誰都不愿意把原始 pcap 交出去。聯(lián)邦學習正好卡在這個點上模型參數(shù)可以共享原始數(shù)據(jù)不出本地。把聯(lián)邦學習和 NSL-KDD 拼在一起做網(wǎng)絡(luò)入侵檢測本質(zhì)上是在模擬「多個節(jié)點各自持有部分攻擊樣本協(xié)同訓(xùn)練一個全局檢測器」的場景。這套 Python 源碼帶 GUI 界面適合兩類人一是想入門聯(lián)邦學習但找不到合適數(shù)據(jù)集的算法工程師二是做入侵檢測想引入隱私保護機制的安服從業(yè)者。下面我從數(shù)據(jù)預(yù)處理一路講到 GUI 聯(lián)調(diào)把能踩的坑都標出來。2. NSL-KDD 數(shù)據(jù)集的預(yù)處理從 41 維原始特征到聯(lián)邦節(jié)點可用的張量2.1 為什么 NSL-KDD 不能直接喂給模型NSL-KDD 是 KDD Cup 99 的修正版去掉了原始數(shù)據(jù)里大量重復(fù)記錄訓(xùn)練集 125973 條、測試集 22544 條每條 41 個特征加一個標簽。這 41 維里有 3 個是字符串類型protocol_type、service、flag還有 38 個數(shù)值特征量綱差異極大——src_bytes 能到上億而 su_attempted 只有 0 或 1。直接丟進神經(jīng)網(wǎng)絡(luò)梯度會被大數(shù)值特征主導(dǎo)小特征等于沒參與訓(xùn)練。常見做法是三步走獨熱編碼處理類別特征、Min-Max 歸一化處理數(shù)值特征、標簽做二分類或多分類映射。二分類就是把 normal 標 0其余所有攻擊類型標 1多分類則細分為 DoS、Probe、R2L、U2R 四類加 normal 共五類。聯(lián)邦學習場景下我一般推薦先做二分類跑通鏈路再切多分類看節(jié)點間數(shù)據(jù)異構(gòu)的影響。import pandas as pd import numpy as np from sklearn.preprocessing import MinMaxScaler, LabelEncoder # NSL-KDD 列名官方文檔里給的 41 個特征 label difficulty COLUMNS [ duration,protocol_type,service,flag,src_bytes,dst_bytes, land,wrong_fragment,urgent,hot,num_failed_logins,logged_in, num_compromised,root_shell,su_attempted,num_root,num_file_creations, num_shells,num_access_files,num_outbound_cmds,is_host_login, is_guest_login,count,srv_count,serror_rate,srv_serror_rate, rerror_rate,srv_rerror_rate,same_srv_rate,diff_srv_rate, srv_diff_host_rate,dst_host_count,dst_host_srv_count, dst_host_same_srv_rate,dst_host_diff_srv_rate,dst_host_same_src_port_rate, dst_host_srv_diff_host_rate,dst_host_serror_rate,dst_host_srv_serror_rate, dst_host_rerror_rate,dst_host_srv_rerror_rate,label,difficulty ] def load_and_preprocess(train_path, test_path): train pd.read_csv(train_path, namesCOLUMNS) test pd.read_csv(test_path, namesCOLUMNS) # difficulty 列對訓(xùn)練無用直接丟掉 train.drop(difficulty, axis1, inplaceTrue) test.drop(difficulty, axis1, inplaceTrue) # 二分類標簽normal - 0其余攻擊 - 1 train[label] train[label].apply(lambda x: 0 if x normal else 1) test[label] test[label].apply(lambda x: 0 if x normal else 1) # 類別特征獨熱編碼注意 train 和 test 要對齊列 cat_cols [protocol_type, service, flag] combined pd.concat([train, test], axis0) combined pd.get_dummies(combined, columnscat_cols) train combined.iloc[:len(train), :] test combined.iloc[len(train):, :] # 數(shù)值特征歸一化scaler 只在訓(xùn)練集上 fit num_cols [c for c in train.columns if c ! label] scaler MinMaxScaler() train[num_cols] scaler.fit_transform(train[num_cols]) test[num_cols] scaler.transform(test[num_cols]) return train, test, scaler train_df, test_df, scaler load_and_preprocess(KDDTrain.txt, KDDTest.txt) print(f訓(xùn)練集: {train_df.shape}, 測試集: {test_df.shape})這段代碼的關(guān)鍵點有三個。第一獨熱編碼必須把 train 和 test 拼在一起做否則 test 里出現(xiàn) train 沒見過的 service 類別時列數(shù)會對不上這是新手最常翻車的地方。第二MinMaxScaler 只能在訓(xùn)練集上 fit然后用同一個 scaler 去 transform 測試集否則等于把測試集的信息泄漏進了訓(xùn)練過程。第三歸一化后的特征范圍是 [0,1]但獨熱編碼產(chǎn)生的 0/1 列不受影響所以 num_cols 要排除 label 列但包含獨熱列實際跑下來沒問題。2.2 把數(shù)據(jù)集切給多個聯(lián)邦節(jié)點IID 和 Non-IID 兩種切法聯(lián)邦學習的核心設(shè)定是每個客戶端只持有部分數(shù)據(jù)。NSL-KDD 本身是集中式數(shù)據(jù)集我們需要人為切分來模擬聯(lián)邦場景。切法直接決定實驗結(jié)論的可信度。IID 切分最簡單把訓(xùn)練集隨機打亂后均分給 N 個客戶端每個客戶端的數(shù)據(jù)分布和全局一致。這種切法下聯(lián)邦平均FedAvg幾乎能逼近集中式訓(xùn)練的效果適合驗證代碼鏈路是否跑通。Non-IID 切分才是真實場景。常見做法有兩種按攻擊類型切——比如客戶端 A 只有 DoS客戶端 B 只有 Probe客戶端 C 只有 normal或者用 Dirichlet 分布控制標簽比例alpha 越小異構(gòu)越嚴重。我一般先用按類型切的方式因為它能直觀暴露「某個客戶端本地沒有某類攻擊全局模型還能不能學到」這個問題。import numpy as np def split_iid(df, num_clients5, seed42): IID 切分隨機均分 rng np.random.default_rng(seed) indices rng.permutation(len(df)) splits np.array_split(indices, num_clients) return [df.iloc[idx].reset_index(dropTrue) for idx in splits] def split_noniid_by_label(df, num_clients5, seed42): Non-IID 切分按標簽分組后分配模擬標簽異構(gòu) rng np.random.default_rng(seed) normal df[df[label] 0].sample(frac1, random_stateseed) attack df[df[label] 1].sample(frac1, random_stateseed) clients [] # 前 3 個客戶端以 normal 為主后 2 個以 attack 為主 normal_parts np.array_split(normal, 3) attack_parts np.array_split(attack, 2) for i in range(3): clients.append(normal_parts[i]) for i in range(2): clients.append(attack_parts[i]) return [c.reset_index(dropTrue) for c in clients] clients_iid split_iid(train_df, num_clients5) clients_noniid split_noniid_by_label(train_df, num_clients5) for i, c in enumerate(clients_noniid): ratio c[label].mean() print(f客戶端 {i}: {len(c)} 條, 攻擊占比 {ratio:.3f})Non-IID 切分后你會看到客戶端之間的攻擊占比差異巨大有的接近 0有的接近 1。這時候直接跑 FedAvg全局模型在攻擊占比低的客戶端上表現(xiàn)會明顯掉——這就是聯(lián)邦學習里最經(jīng)典的「客戶端漂移」問題。解決辦法后面第 4 章會講。3. 聯(lián)邦學習入侵檢測模型從本地 MLP 到 FedAvg 聚合的完整實現(xiàn)3.1 本地模型選型為什么 MLP 比 CNN/LSTM 更適合這個場景NSL-KDD 預(yù)處理后是約 122 維的扁平向量沒有空間結(jié)構(gòu)也沒有時序依賴。用 CNN 做一維卷積意義不大用 LSTM 反而增加參數(shù)量和通信開銷。MLP 在這個任務(wù)上收斂快、參數(shù)少、通信量低是聯(lián)邦學習場景下最務(wù)實的選擇。我一般用三層結(jié)構(gòu)輸入層 122 維隱藏層 128 和 64輸出層二分類用 1 個 sigmoid 神經(jīng)元。隱藏層加 Dropout 0.3 防過擬合激活函數(shù)用 ReLU。優(yōu)化器選 Adam學習率 1e-3損失函數(shù)二分類用 BCEWithLogitsLoss比 SigmoidBCELoss 數(shù)值更穩(wěn)定。import torch import torch.nn as nn class IntrusionMLP(nn.Module): def __init__(self, input_dim, hidden1128, hidden264, dropout0.3): super().__init__() self.net nn.Sequential( nn.Linear(input_dim, hidden1), nn.ReLU(), nn.Dropout(dropout), nn.Linear(hidden1, hidden2), nn.ReLU(), nn.Dropout(dropout), nn.Linear(hidden2, 1) # 輸出 logits配合 BCEWithLogitsLoss ) def forward(self, x): return self.net(x).squeeze(-1) # 輸入維度從預(yù)處理后的數(shù)據(jù)推斷 input_dim train_df.shape[1] - 1 # 減去 label 列 model IntrusionMLP(input_dim) print(f輸入維度: {input_dim}, 參數(shù)量: {sum(p.numel() for p in model.parameters())})參數(shù)量大概在 2 萬左右每輪通信傳輸?shù)奶荻然驒?quán)重不到 100KB5 個客戶端跑 50 輪通信量也就幾十 MB完全在可接受范圍內(nèi)。如果你換成 ResNet 那種量級的模型通信開銷會直接爆炸聯(lián)邦學習的優(yōu)勢就沒了。3.2 FedAvg 聚合的代碼實現(xiàn)與三個必調(diào)參數(shù)FedAvg 的邏輯很直白每輪通信開始時服務(wù)器把全局權(quán)重下發(fā)給所有客戶端客戶端用本地數(shù)據(jù)跑若干 epoch 的 SGD把更新后的權(quán)重傳回服務(wù)器服務(wù)器按各客戶端樣本數(shù)加權(quán)平均。聽起來簡單但實際調(diào)起來有三個參數(shù)直接決定成敗。第一個是客戶端本地 epoch 數(shù)local_epochs。設(shè)太小比如 1每輪通信的本地計算量不夠需要更多通信輪次才能收斂設(shè)太大比如 10客戶端會過度擬合本地數(shù)據(jù)聚合后的全局模型反而變差。我一般從 3 開始試Non-IID 場景下調(diào)到 2。第二個是客戶端參與率client_fraction。每輪隨機選一部分客戶端參與模擬真實場景中設(shè)備可能離線的情況。5 個客戶端的話我一般設(shè) 0.6 到 0.8也就是每輪選 3 到 4 個。第三個是學習率。聯(lián)邦學習的學習率通常比集中式訓(xùn)練大一些因為每輪聚合相當于做了一次模型平均有平滑效果。我一般用 0.01 起步配合 StepLR 每 20 輪衰減 0.5。import copy from torch.utils.data import DataLoader, TensorDataset def fedavg_train(clients_data, global_model, num_rounds50, local_epochs3, client_fraction0.8, lr0.01, devicecpu): global_model global_model.to(device) criterion nn.BCEWithLogitsLoss() history [] for rnd in range(num_rounds): # 隨機選客戶端 num_selected max(1, int(len(clients_data) * client_fraction)) selected np.random.choice(len(clients_data), num_selected, replaceFalse) local_weights [] local_sizes [] for cid in selected: df clients_data[cid] X torch.tensor(df.drop(label, axis1).values, dtypetorch.float32) y torch.tensor(df[label].values, dtypetorch.float32) loader DataLoader(TensorDataset(X, y), batch_size256, shuffleTrue) # 復(fù)制全局模型到本地 local_model copy.deepcopy(global_model) local_model.train() optimizer torch.optim.Adam(local_model.parameters(), lrlr) for epoch in range(local_epochs): for xb, yb in loader: xb, yb xb.to(device), yb.to(device) optimizer.zero_grad() loss criterion(local_model(xb), yb) loss.backward() optimizer.step() # 收集本地權(quán)重和樣本數(shù) local_weights.append({k: v.cpu().clone() for k, v in local_model.state_dict().items()}) local_sizes.append(len(df)) # 按樣本數(shù)加權(quán)平均 total sum(local_sizes) avg_weights {} for k in local_weights[0].keys(): avg_weights[k] sum(w[k] * (s / total) for w, s in zip(local_weights, local_sizes)) global_model.load_state_dict(avg_weights) history.append(avg_weights) print(fRound {rnd1}/{num_rounds} 完成, 參與客戶端: {list(selected)}) return global_model, history global_model IntrusionMLP(input_dim) trained_model, hist fedavg_train(clients_noniid, global_model, num_rounds30)這段代碼里local_sizes加權(quán)是關(guān)鍵。如果所有客戶端樣本數(shù)一樣等權(quán)平均也行但 Non-IID 切分后各客戶端樣本數(shù)差異可能很大不加權(quán)的話小樣本客戶端的噪聲會被放大。另外注意copy.deepcopy不能省否則本地訓(xùn)練會直接改到全局模型。3.3 全局模型評估在測試集上看準確率、召回率和 F1訓(xùn)練完必須用獨立的測試集評估不能拿訓(xùn)練集或某個客戶端的數(shù)據(jù)來報指標。NSL-KDD 的測試集里包含訓(xùn)練集沒出現(xiàn)過的攻擊子類型這正好能檢驗?zāi)P偷姆夯芰Αrom sklearn.metrics import accuracy_score, recall_score, f1_score, confusion_matrix def evaluate(model, test_df, devicecpu): model.eval() X torch.tensor(test_df.drop(label, axis1).values, dtypetorch.float32).to(device) y_true test_df[label].values with torch.no_grad(): logits model(X) probs torch.sigmoid(logits).cpu().numpy() y_pred (probs 0.5).astype(int) acc accuracy_score(y_true, y_pred) rec recall_score(y_true, y_pred) f1 f1_score(y_true, y_pred) cm confusion_matrix(y_true, y_pred) print(f準確率: {acc:.4f}, 召回率: {rec:.4f}, F1: {f1:.4f}) print(f混淆矩陣:\n{cm}) return acc, rec, f1 evaluate(trained_model, test_df)入侵檢測場景下召回率比準確率更重要——漏掉一個攻擊的代價遠大于誤報一個正常流量。如果召回率低于 0.95優(yōu)先調(diào)低分類閾值到 0.3 左右試試或者增加攻擊樣本的權(quán)重。4. 聯(lián)邦學習做入侵檢測的避坑指南5 個血淚教訓(xùn)4.1 坑一Non-IID 下全局模型精度斷崖式下跌現(xiàn)象IID 切分時全局模型準確率能到 0.98換成按標簽切分后掉到 0.85 以下某些客戶端本地評估甚至不到 0.7。原因客戶端本地數(shù)據(jù)標簽分布嚴重偏斜本地 SGD 把模型往各自的方向拉FedAvg 簡單加權(quán)平均后得到的全局模型在任何一個客戶端上都不是最優(yōu)的。這就是聯(lián)邦學習里的客戶端漂移問題。解決三個方向。一是加 FedProx 的近端項在本地損失里加一個mu/2 * ||w - w_global||^2懲罰本地模型偏離全局太遠mu 一般設(shè) 0.01 到 0.1。二是用 Scaffold 做控制變量校正但實現(xiàn)復(fù)雜度高。三是最簡單的——增加客戶端參與率到 1.0讓每輪所有客戶端都參與犧牲通信效率換精度。4.2 坑二獨熱編碼后 train 和 test 列數(shù)不一致現(xiàn)象預(yù)處理完 train 是 122 列test 是 119 列模型 forward 時報維度不匹配。原因test 集里出現(xiàn)了 train 集沒有的 service 類別比如某些罕見服務(wù)pd.get_dummies分別處理時生成的列不同。解決必須把 train 和 test 拼在一起做get_dummies然后再拆開。如果內(nèi)存不夠至少要用reindex對齊列缺失的列填 0。這個坑我在三個項目里都遇到過每次都是同一個原因。4.3 坑三歸一化 scaler 在測試集上重新 fit現(xiàn)象離線評估指標很好部署到新流量上效果暴跌。原因測試時對每個 batch 單獨做歸一化或者用測試集重新 fit 了 scaler導(dǎo)致訓(xùn)練和推理時的特征尺度不一致。解決scaler 必須和模型權(quán)重一起保存推理時加載同一個 scaler。用 joblib 保存import joblib joblib.dump(scaler, scaler.pkl) # 推理時 scaler joblib.load(scaler.pkl) X_new scaler.transform(raw_features) # 只 transform不 fit4.4 坑四GUI 主線程跑訓(xùn)練導(dǎo)致界面卡死現(xiàn)象點「開始訓(xùn)練」按鈕后窗口無響應(yīng)進度條不動Windows 上直接顯示「未響應(yīng)」。原因PyQt/Tkinter 的事件循環(huán)和訓(xùn)練循環(huán)在同一個線程里訓(xùn)練阻塞了 UI 刷新。解決把訓(xùn)練邏輯放到 QThread 或 threading.Thread 里通過信號槽機制更新進度條。PyQt 里用pyqtSignal傳遞每輪 loss 和準確率主線程只負責刷新界面。注意子線程里不能直接操作 UI 控件必須走信號。4.5 坑五模型保存時只存 state_dict 忘了存輸入維度現(xiàn)象加載模型推理時報size mismatch因為新建模型時 input_dim 傳錯了。原因torch.save(model.state_dict())只保存權(quán)重不保存網(wǎng)絡(luò)結(jié)構(gòu)信息。加載時如果 input_dim 和訓(xùn)練時不一致第一層 Linear 的權(quán)重形狀就對不上。解決保存時把 input_dim 一起存進 checkpointtorch.save({ state_dict: model.state_dict(), input_dim: input_dim, hidden1: 128, hidden2: 64 }, fed_model.pth) # 加載時 ckpt torch.load(fed_model.pth) model IntrusionMLP(ckpt[input_dim], ckpt[hidden1], ckpt[hidden2]) model.load_state_dict(ckpt[state_dict])5. GUI 界面聯(lián)調(diào)與進階讓聯(lián)邦入侵檢測從腳本變成能演示的工具5.1 用 PyQt5 搭一個最小可用的聯(lián)邦訓(xùn)練控制臺GUI 不需要花哨能展示「客戶端列表、訓(xùn)練輪次、實時指標、開始/停止按鈕」就夠了。我用 PyQt5 搭過一個核心結(jié)構(gòu)是一個 QMainWindow 加一個 QThread 子類。QThread 的 run 方法里跑 fedavg_train每輪結(jié)束通過 signal 把 round 編號和當前全局模型在驗證集上的 F1 發(fā)回主線程主線程更新 QLabel 和 QProgressBar。from PyQt5.QtCore import QThread, pyqtSignal from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel, QVBoxLayout, QWidget, QProgressBar import sys class TrainThread(QThread): progress pyqtSignal(int, float) # round, f1 finished pyqtSignal(object) def __init__(self, clients, model, rounds): super().__init__() self.clients clients self.model model self.rounds rounds def run(self): # 這里調(diào)用第 3 章的 fedavg_train每輪回調(diào) progress for rnd in range(self.rounds): # ... 訓(xùn)練邏輯 ... f1 0.0 # 實際從評估函數(shù)拿 self.progress.emit(rnd 1, f1) self.finished.emit(self.model) class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle(聯(lián)邦學習入侵檢測控制臺) layout QVBoxLayout() self.status QLabel(就緒) self.bar QProgressBar() self.btn QPushButton(開始訓(xùn)練) self.btn.clicked.connect(self.start_train) layout.addWidget(self.status) layout.addWidget(self.bar) layout.addWidget(self.btn) container QWidget() container.setLayout(layout) self.setCentralWidget(container) def start_train(self): self.thread TrainThread(clients_noniid, IntrusionMLP(input_dim), 30) self.thread.progress.connect(self.update_ui) self.thread.finished.connect(lambda m: self.status.setText(訓(xùn)練完成)) self.thread.start() self.btn.setEnabled(False) def update_ui(self, rnd, f1): self.bar.setValue(int(rnd / 30 * 100)) self.status.setText(f第 {rnd} 輪, F1{f1:.4f}) app QApplication(sys.argv) win MainWindow() win.show() sys.exit(app.exec_())這段代碼的關(guān)鍵是QThread和pyqtSignal的配合。progress信號帶兩個參數(shù)int 和 float主線程的update_ui槽函數(shù)接收后更新進度條和標簽。注意self.btn.setEnabled(False)防止重復(fù)點擊啟動多個線程訓(xùn)練完成后在 finished 回調(diào)里重新啟用。5.2 驗證聯(lián)邦學習是否真的比本地訓(xùn)練強一個對照實驗很多人跑完聯(lián)邦學習發(fā)現(xiàn)精度和單機訓(xùn)練差不多就懷疑聯(lián)邦學習沒用。其實要證明聯(lián)邦學習的價值需要做三組對照第一組每個客戶端只用本地數(shù)據(jù)訓(xùn)練在全局測試集上評估第二組把所有客戶端數(shù)據(jù)集中起來訓(xùn)練一個模型第三組跑 FedAvg。如果第三組明顯優(yōu)于第一組、接近第二組說明聯(lián)邦學習在隱私約束下確實有效。我跑 NSL-KDD Non-IID 切分的經(jīng)驗值是本地訓(xùn)練 F1 大概 0.72 到 0.78FedAvg 能到 0.88 到 0.92集中式訓(xùn)練 0.95 左右。差距主要來自 Non-IID 導(dǎo)致的客戶端漂移用 FedProx 能把 FedAvg 再拉高 2 到 3 個百分點。訓(xùn)練方式準確率召回率F1數(shù)據(jù)是否出本地本地獨立訓(xùn)練0.810.740.75是FedAvg0.930.900.91是集中式訓(xùn)練0.970.950.96否這張表是我在 5 客戶端、按標簽 Non-IID 切分、30 輪通信下的典型結(jié)果。你的數(shù)字會因隨機種子和切分方式有波動但趨勢應(yīng)該一致。5.3 一個容易被忽略的技巧用模型參數(shù)量控制通信輪次聯(lián)邦學習最貴的不是計算是通信。如果你發(fā)現(xiàn) 30 輪還沒收斂先別急著加到 100 輪檢查一下模型參數(shù)量。我見過有人用 4 層 512 維的 MLP 跑 NSL-KDD參數(shù)量 80 萬每輪通信 3MB5 個客戶端 100 輪就是 1.5GB 流量。把隱藏層降到 128 和 64參數(shù)量降到 2 萬通信量降 40 倍收斂輪次反而更少——因為小模型在 Non-IID 下更不容易過擬合本地數(shù)據(jù)。我現(xiàn)在的習慣是先用小模型跑通鏈路看收斂曲線如果 20 輪內(nèi) F1 能到 0.85 以上就不加參數(shù)如果卡在 0.8 以下先調(diào) local_epochs 和 client_fraction最后才考慮加模型容量。這個順序幫我省了很多無謂的調(diào)參時間。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
国产激情在线观看| 丁香六月色婷婷| 激情五月综亚网| 六月婷婷毛片| 色色射| 亚洲综合在线伊人婷| 久热99| 电影蜘蛛女| 亚洲九九夜夜| 免费在线观看欧美激情xx小视频| 欧美美女国产日韩一区二区久| 思思热在线视频精品| 色丁香六月| 人人操AV| 婷婷五月开心六月AV| 婷婷草| 99精品久久久久久久婷婷| 婷婷五月在线视频| 裸体美女丁香五月天。| 激情五月网站| 就要去操亚洲成人精品五月天丁香婷婷| 激情又色又爽又黄的A片| 狠狠色噜噜狠狠| 综合99综合久久久久久久| 丁香五月天啪啪| 天天撸天天干天天插| 五月丁香久久网| 中文字幕在线免费看线人| 99精品免费视频| 国产xxxxx在线观看| 丁香色色五月| 久久久久久久久18久久| 免费做A爰片77777| 国产做爰视频免费播放| 色婷婷激情| 思思热在线播放| 久久综合激情五月天| 婷婷五月中文字幕| 五月婷天堂视频| 色色99| 怕怕av| 五月婷婷久久久久| www.久9| 免费看欧美成人A片无码| 狠狠色婷婷| 日本五月婷婷| 爽天天天天天天天| 色爽九九| 亚洲精品亚洲人成人网| 亚洲99热| 亚洲操操| 色婷婷亚洲婷婷| 夜色综合网| 成人视频婷婷| 五月色影院| 99热只有精品在线观看| 99热亚洲精品| 噜噜视频| av在线观看网站| 深爱激情小说五月婷婷| Va另类视频| 丁香五月天天| 这里只有精品,日韩视频| 激情黄色小说色五月| 99热亚洲精品66| 超碰在线9| 天堂五月婷婷| 亚洲色综合| 91久久九久久九久久九久久九久久| 色综合99色| 色色影院黄大片| 五月丁香花婷婷玉莉AV| 色五月大| 91精品久久久久久综合五月天| 日韩成人中文字幕| 九九无码| 思思热在线视频精品| 五月婷婷中文字幕| 中文中文在线| 99热热热国产超碰| 天天色天天射天天日| 99色在线观看视频| 99精品国产热久久91色欲| AV操逼网| 色月视频| 天天综合色| 久热99热| www.超碰| 婷婷丁香五月激情密臀av| 久久综合婷婷五月| 九九视频精品在线免费| 色欲婷婷五月天丁香| 精品成人在线观看| 性爱网五月婷婷| 中文AV网站| 婷婷中文字暮| 色色网91| 五月丁香综合啪啪| 五月花亭亭| 婷婷五月天六月丁香| 五月丁香综合久久| 色色色婷婷五月| 97在线碰| 人与禽A片啪啪| 色婷婷精| 成人av免费观看| 亚州欧美国产久精国产99综合视频| 狠狠色丁香婷婷综合久久97AV| 欧美VA在线观看| 超碰在线精品| 色婷婷狠狠18yy| 欧美色图天堂网色| 99久久综合| 九九色婷婷| 99啪啪网| 激情五月婷婷| 人人操人| 色婷婷五月天小说网| 97干在线播放| 天色色综合网| 五月综合亚洲| 婷婷五月天伊人| 中文字幕av网站| 色五月天激情| 天天爽日日爽夜夜爽| 激情婷婷久久| 人妖色AV色综合| 天天色综合天天| 午夜色丁香| 久99热| 99碰碰。| 人妻肉射免费观看| 婷婷五月天在线观看| 九九热狼人| 激情亚洲婷婷| 五月婷婷基地| 青吴乐视频| 国产99美少妇| 久久人人妻| 97碰碰碰| 久久99热这里只有精品| 久久久色情| 丁香婷婷五月激情综合| 亚洲这里只有精品| 婷婷伊人| 99热这里只有精品3| 丁香五月伊人| 婷婷六月天亚州| 国产欧洲欧洲精品久久| 色情五月综合婷婷| 91天天操天天干天天射| 九九色人| 99综合网| 激情婷婷人妻| 超碰在线网站9| 丁香婷婷六月天| 天天操天天曰| 91pornav在线| 99资源在线视频| 黄色成人AV在线| 色青青视频| 狠狠色丁香| 天堂爱啪啪| 丁香六月激情网C0W| 五月婷视频| 激情性爱五月天| 99热新网址| 熟女啪啪视频| 人妻无码精品一区| 人妻射精AV| 五月婷婷综合激情网| 久久免费丁香| av大香蕉| 另类激情五月| 大香久久伊人网| 九九久久网| 五月天婷婷网站| 婷婷激情五月天视频在线| 九月婷婷在线视频| 日韩三级高清无码| 任你擦免费视频| 9999三级片| 一本久道综合色婷婷五月| 五月婷婷激情网| 2013AV天堂| 99综合网| 丁香六月 婷婷六月| 97人人草| 99热这里只有精品8| 亚洲综合另类| 亚洲激情五月天| 99热这是里只有精品| 欧美成人AAA片一区国产精品| 五月天快乐开心激情网| 亚洲无码免费看| 九九热视频免费| www.色色com| 色色五月天网站| 亚洲精品亚洲人成人网| 亚洲精品第一国产综合亚AV | 五月天婷婷丁香花| 婷婷综合五月| 丁香激情合作五月| 五月婷婷五月天激情网| 五月婷婷色白丝| 亚洲AV综合在线观看| 99热在线看| 日本久久99| 综合天天综合| 岛国资源站| 99操逼视频| 激情综合5月| 婷婷婷婷婷婷婷婷婷婷丁香| 久9热在线视频| 99这里只有精品国产| 久久99久久99久久99| 婷婷99狠狠| 五月天激情四射网站| 五月丁香六月婷| www激情网| 久久九九@| 六月激情网| 俺也去在线视频| 日韩操逼大片| 激情五月天第四色| 久久九九激情五月天 | 日日日日日| 激情深愛五月視頻| 热久久色| 婷婷综合伊人| 日韩中文字幕| 在线只有精品| 丁香五月六月综合激情| 五月丁香在线综合| 79精品在线视频| 日韩黄色电影| 五月天丁香综合在线| 亚洲中文字幕在线观看| 久热只有精品| 婷婷色色网| 热99精品视频| 色婷五月| 亚洲综合视频一下| 99超在线| 国产精品色色666| 九九热99熟女| 婷婷精品综合| 涩玖玖免费视频| 中文字幕 码精品视频网站| 婷婷色5月激情网| 婷婷亚州综合| 97自拍视频在线| 色偷偷综合| 五月婷深深爱激情网| 色色日韩网| 婷婷黄色网| EEUSS鲁片一区二区三区| 婷婷五月综合色拍| 欧日韩成人| 亚洲天天操| 五月激情综合深爱| 丁香五月婷婷色| 婷婷六月开心网| 激情五月天婷婷激情| 婷婷丁香九月| 国产婷婷色五月| 天天色99| BT综合在线视频观看| 伊人久久中文网| 五月天婷婷激情六月久久| 情欲禁地| 亚洲偷| 99热久久这里只有精品| 久色精品| 免费啪啪啪网站 | 成人做爰黄A片免费看直播室男男| 无码操B| 色五月天激情| 五月丁香大香蕉| 亭亭玉月丁香| 婷婷五月天开心网| 97人人干| 人妻有码乱操| 国产精品成人网站| 国产一级片| 五月天啪啪| 久久久999精品| 草一草avb| 五月天社区| 五月婷婷亚洲天堂激情在线| 五月开心深爱激情网| 狠色狠色综合久久| 久久92| 五月天婷婷影院| 久色激情| 日韩1区2区| 色婷婷影视| 色135综合网| 68热超碰在线| 香蕉伊人综合| 日本五月婷婷久久久六月丁香| 五月激情精品视频| 婷婷丁香五月天激情| 狠狠插日日干撸| 婷婷五月丁香综合人妻| 婷婷丁香18| 五月婷婷狠狠干| 久久激情视频| 男人視頻站| 亚洲综合五月天婷婷丁香| 天天干,天天舔| 26uuu激情五月天| 亚洲久久婷婷| 久久五月婷| 婷婷成人视频| 丁香五月伊人| 色5月婷婷| 婷婷五月天激情综合| 婷婷丁香六月影视| 久9免费视频| 色5月婷婷| 中文字幕高清av| 大香蕉 伊人夜| 性爱在线播放av| 狠狠色噜噜色狠狠狠综合久久成人波| 色5月婷婷色| 一区二区乱码视频| 婷婷在线网| 十区av| 亚洲色9| 五月婷在线播放| 欧美在线视频99| 亚洲精品另类| 色色色色色色97| 激情综合九月| 9热在线视频精品| 九热在线这里有精品6| www.久热| 九久九精品| 五月婷啪啪| 五月婷婷免费| 五月丁香在线| 综合激情五月四射婷婷| 九九热黄色| 丁香五月婷婷久久久| 亚洲午夜AV| 婷婷激情六月| 月丁香久久久| 婷婷综合六月| 亚洲欧美成人在线观看| 伊人狠狠操| 五月丁香人妻| 操操啪| 五月丁香在线| 91在线日本| 久久机只有这里精品| nvrentiantang av| 五月天婷婷综合网| 五月丁香啪啪网| 亚洲色模骚货| 九九九九中文字幕| 精品无吗va视频免费观看| 婷婷伊人五月天| 国产日韩欧美性生活| 久热9| 免费97碰碰| 综合久久六月| 色五月丁香com| 国产精品成人在线| 一本色道久久综合狠狠躁小说| 五月丁香在线观看99| 婷婷丁香色无五月 | 五月婷婷综合激情| 亚洲丁香五月深爱五月| 内射干少妇亚洲69XXX| 日韩一区二区在线播放| 综合激情五月婷婷| 热九九精品| 五月婷婷黄色| 久久黄色网扯| 亚洲综合色激情色五月| 综合色色婷婷| 99在线小视频| 国产操碰| www.91.com处女在线直播| 99在线播放视频| 碰碰碰91| 婷婷欧美激情综合| 色婷婷婷av | 人操91在线| 激情亚洲婷婷六月| 91操在线| 91色久| 天天人人综合| 欧美黄色一级| 精品久久66| 丁香六月激情毛片| 五月婷婷深深爱| 玖玖99免费视频| 婷婷综合色色| 丁香五月婷婷激情123| 桃色五月婷婷| 五月婷婷五月天| 色月九九| 大香蕉色婷婷伊人在线| 人人草人人舔| 亚洲色色爱| 久热99狠| 婷婷亚洲综合| 99爱视频在线播放| 中文字幕在线日亚州9| 97福利视频| 五月丁香激情六月| 激情综合五月天| 国产精产国品一二三在观看| 久久爱婷婷| 五月丁香福利| 五月桃花网综合| 综合久久高清| 亚洲人人操BD| 99久热| 一本道在线电影| 天天射影| 一本色道久久88加勒比—| 久久久99视频| 五月天婷婷色播综合在线| 91丁香婷婷综合久久欧美| 九九色99| 色色综合色| 天天爽人人综合免费7799| av网站不卡在线| 丁香六月激情四射| 五月婷婷开心激情六月蜜桃| 久久久激情视频| 久久婷婷视频| 丁香婷婷色九月| 激情五月天之五月婷婷| 97色在线视频| 超碰9在| 99欧美| 丁香五月六月婷婷怡红院| 伊人9在线| 丁香五月久久| 久99视频| 国精产品一区一区三区免费视频 | 亚洲夜五月| 强辱丰满人妻HD中文字幕| 思思热在线| 日本婷婷丁香五月| 欧美性二区| 亚洲人人艹| 久久小说| 激情五月婷婷视频一区二区三区| 色色五月天丁香婷婷| WWW.桔色成人.COM入口| 思思热闹这里只有精品| 99碰碰| 99热全是精品| 丁香久久九九99| 丁香五月天成人| 亚洲综合另类| 色色亚洲| 综合婷婷| 五月婷婷激情综合| 另类激情综合| 这里只有国产精品在线| 天天日夜夜夜操操操操| 婷婷丁香水多多视频| 色噜噜狠狠色综| 亚洲综合视频在线| 伊人热婷婷| 色碰97| 一本久久婷婷| 亲子乱AV-区二区三区| 美女久久婷婷| 色婷婷色综合| 久久在线大香蕉| 日本三日本三级少妇三级66| 67194线路二在线观看| 六月激情网| 九九色婷婷| 婷婷五月天色色| 丁香社区婷婷五月| 99久久6| 婷婷五月天第三页| 五月婷婷六月色| 五月婷婷激情网| 六月久久婷婷| 一本久道综合色婷婷五月| 色综合久久88色综合天天99| 久久久com| 婷婷久久五月丁香| 久久丝袜婷婷| 丁香成人五月天| 久久久com| 免费视频在线观看的网站| 99超超碰| 婷婷久久爱| 超色欲天天| 在线观看av网站| 日木狠狠干| 色综合xx| 天天操天天操天天操天天操天天操| 天天澡天天狠天天天做| 人妻视频在线| 白人荫道BBWBBB大荫道| 99精品网址| 99丁香五月婷| 色,激情五月天| 五月丁香在线婷婷蜜桃| 99热地址| 五月婷婷激情中文字幕| 丁香激情五月| 激情婷婷。| 婷婷五月丁香综合| 婷婷九月丁香久久| 激情婷婷久久| 一本色道久久88加勒比| 123草逼网| 一區四區歐美日韓| 色婷婷亚洲婷婷| 9+1视频网址| 五月婷中文娱乐综合| 亚洲不卡| 婷婷噜噜| 噼里啪啦在线观看免费完整版视频| 久操香蕉| 99色精品视频| 五月开心网| 99热这里是精品| 成人AV综合在线| 婷婷五月天播| 丁香五月婷婷AV在线| 婷婷成人AV| 色五月AV| 色色丁香婷婷五月天| 五月色婷婷影院| 思思综合热| 午夜爱爱网站| 五月婷婷丁香大香蕉| 激情五月天噢美| 日韩视频99| 色色丁香| aⅤ79成人片| 天天色综网| 26uuu成人网| 亚洲国产网站| 久久亚洲婷婷| 亚洲日本韩国| 第2色五月婷| 99在线免费视频| 天天色中文字幕女优AV| 99福利导航| 国产VA亚洲VA96| 99爱视频| 色欲Av五月天| 99亚洲精品视频| 日本成人内射| 热久久国产视频| 久久五月婷| 色婷婷精品视频| 五月天激情社区| 久热伊人| 大香蕉九九| 色婷婷a v| 丁香九月综合在线| 日本久久爱| 久热伊人91| 五月永久激情| 99热在线观看| 五月丁香999| 五月天婷婷av| 久久婷色| 婷婷五月天小说| 91一起操| 99色天堂| 岛国资源网| 熟妇无码乱子成人精品| 天天综合天天做天天综合| 超碰超碰在线| 中文久久婷婷| 亚洲四色五月| WWW,五月| 亚洲色啪| 婷婷五月天社区| 丁香五月91| 99热青青草| 超碰免费成人| 国产超碰在线| 丁香五月婷婷激情视频播放| 麻豆AV一区二区三区| 日韩乱玛久久| 丁香五月婷婷激情蜜桃| 激情五月丁香亭亭| 色久女| 99啪啪视频| 天天干,天天舔| 日本综合久久| 五月开心激情网| 色网站9| 五月婷婷五月丁香| 丁香花色色网| 99re热视频这里只精品| 亚洲第一色区| 色色五月天网站| 五月天国产| 天天舔天天| 亚洲成人日韩无码精品| 欧美色色色色色色| 婷婷五月综合色中文字幕| 男女啪啪做爰高潮无遮挡| 丁香婷婷啪啪啪| 精品亚洲国产成AV人片传媒| 激情婷婷啪啪| 日韩操人| 操97在线观看| 日本啪啪天堂| 婷婷六月中文字幕| 日韩不卡DvD| 日本爆乳片手机在线播放| 在线观看免费人成视频无码| 婷婷深爱网| 国产第99页| 丁香激情久久| 婷婷五月天小说| 五月天婷婷久草丁香| 丁香五月骚喷水视频| 五月丁香花视频| 色婷婷六月| 91精品久久久久久77777| 五月天色视频| 亚洲亚洲人成综合网络| 777精品久无码人妻蜜桃| 五月色精品| 激情五月丁香综合网站| 热996精品在线观看| 九九热黄色| 人妻中文在线| 色五月五月婷婷| 九九精品9| a69在线视频| 99九九在线| 五月天激情综合网| 婷婷丁香五月亚洲综合网在线视频观看| 99色视频| 97狠狠色| 黄网在线播放| 偷拍九九五月丁香婷婷| 99色免费视频| 色爆五月| 激情五月黄色小说| 色99在线视频| 欧美日韩成人在线网站| 激情五月婷婷综合| 婷婷影院欧美| 婷婷五月天激情免费在线观看| 少妇伦子伦精品无吗| 中文字幕婷婷五月天| 色播六月| 久久9精品视频| www.五月天婷婷| 丁香五月婷婷国产在线| 久久这里只有精品16| 日韩成人精品中文字幕电影| 先锋男人99资源| 丁香婷婷综合激情五月色| 中海油常州环保涂料有限公司| 婷婷久久丁香| 色蜜婷婷| 婷婷情色五月天| 日韩AV在线免费观看| 天天爽天天干| 色六月婷婷| 亚洲无码成人| 九九人人操| 五月丁香免费看| 五月丁香网av| 日曰躁夜夜躁2026| 五月丁香六月激情啪| 久久综合久色欧美综合狠狠| 色婷婷99| 欧美性生交XXXXX无码小说| 激情开心五月婷婷| 婷婷大香焦| 色欲AV导航| 婷婷色色丁香| 午夜成人网站在线观看| 久久久人妻人伦| 色婷婷六月| 26uuu淫色| 日日躁夜夜躁狠狠久久AV| 99re思思精品在线观看| 九九久久玖玖爱| 激情综合一| 狠狠综合久久| 成人无码精品1区2区3区免费看| 婷婷五月天AV激情| 超碰A V在线| 深爱五月天| 欧美三级黄色片久久| 日本三级中国三级99人妇网站| 五月天五月色婷婷综合| 1024欧美看片| 色色狼人综合| 色婷婷丁香五月天在线视频| www.99.色| 超碰在线免费9| 丁香婷婷激情综合五月激情 | 五月天婷婷影院| 激情婷婷五月女| 久久婷婷综合五月| 国产成人网站在线观看| 五月丁香亚洲五月| 亚洲另类毛片| 99热精品免费| 天天天天天天操| 久久免费精品小视频| 91人久| 色五月第四色| 91色久| 香蕉曰比| 久久婷婷视频| 我要射综合| 久久婷丁香五月| 国自产拍偷拍精品啪啪一区二区| 激情五月色播五月| www网站在线观看| 这里只有精品视频99| 天天爽天天爽夜夜爽| 丁香九月激情久久| 欧洲色区| 永久免费视频| 激情婷婷五月天在线观看| 天天综合网91| 婷婷综合在线网| 亚洲黄色精品| 色丁香久久久| 久久九九综合| 中文在线视频久9| 91狠狠综合久久久久久| 99视频在线观看网址| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 激情丁香久久| 欧美精品A片一区在线观看| 色综合激情| 99九九精品视频| 综合丁香婷婷五月天| 丁香五月婷婷欧美成人色图| 办公室少妇激情呻吟A片在线观看| 色五月激情综合| 成人九九视频| 7月婷婷六月丁香| 日韩精品一品二区三区的使用体验| 强辱丰满人妻HD中文字幕| 婷婷综合色图| 婷婷综合色五月天| 日日干夜夜撸夜夜骑| 亚洲第一黄网| 永久热91| 三日本无码| 人妻丰满精品一区二区A片| 在线中文字幕视频| 激情五月久久| 亚洲色无码| 日本www五月婷婷| 五月婷婷影院| 9视频在线成人网站| 亚洲超碰在线| 激情六月综合| 丁香六月色婷婷| 激情综合五月开心狠狠| 99久久婷婷综合| 中字幕视频在线永久在线观看免费| 精品久久久999| 99热只有| 五月丁香花激情综合网| 好好干av| 五月色俺婷婷| 婷婷五月色网| 久久精品小视频| 日本婷婷综合精品| 丁香五月天激情婷婷丁香六月 | 五月丁香六月婷婷精品| 97人凄人人操人人爽| enecarbon-materials.com污K127封锁请涟系@wip1688 | 天天操天天曰| 五月天色图| 婷婷五月综合社区| 大香蕉五月婷婷| enecarbon-materials.com污K127封锁请涟系@wip1688 | 免费色色色| 狠色狠色狠狠色综合网| 激情五月激情综合俺也去婷婷小说| 色爱综合网| 特黄三级片| 亚洲精品99| 大香蕉久艹| 亚洲五月婷| 欧美日朝成人| 性五月激情| 精品人妻伦| 亚洲激情丁香五月天色| 五月综合在线婷婷图片| 婷婷天天舔| 色九月激情综合网| 99色热综合| 色五月激情基地| 久久这里有精品在线观看| 丁香五月婷婷亚洲另类| 天天看夜夜看| 激情综合激情五月一起草| 99热精品无码| 婷婷伊人75| 99色精品| 五月丁香婷婷色| 亚洲色色图片| 天天撸天天干天天插| 婷婷五月天天天| 五月婷婷色播| 亚洲情欲| 五月开心播播网| 欧美人人草草| 97色色综合| 玖玖色综合| 综合丁香婷婷五月天| www..com色爱| 夜丁香五月婷婷| 五月天狠狠色| 99热精品在线播放| 奇米色大香蕉| 97影院一级片| 色欲Av五月天| 激情亚洲色图片丁香综合| 亚洲色A| 九九热re99re6在线精品| 成人在线网址| 亚洲精品国产A久久久久久| 国产欧美大香蕉一区| 久大香蕉| 婷婷色无码| 欧美丁香婷婷五月天| 九九久久99精品免费观看www| 丁香五月色| 99久久婷婷国产综合精品| 中文字幕成| 婷婷久热| 婷婷五月天第四色| 丁香伊人网| 丁香五月色| 成人VAV视频在线观看| 超碰免费在线| 丁香八月综合激情| 91色在线 | 日韩| 五月丁香婷婷色| 丁香婷婷AV| 另类亚洲2| 久久久久99精品成人片| 99福利导航| 9精品久久999| 日韩人妻无码专区| 五月婷婷深爱六月| 五月婷婷与六月丁香图片激情| 婷婷丁香六月天| 国产XXXX搡XXXXX搡麻豆| 久久9热| 极品人妻videosss人妻| 亚洲AV成人在线| 婷婷五月综合中文字幕| 五月色在线| 噜噜色婷婷| 天天干天天做| 97碰| 五月丁香五月婷婷| 成人美女网| 日本久久综合| 五月婷六月| 日本不卡高字幕在线2019| 丁香五月综合激情性爱| 一级操逼内射在线视频| 色婷婷狠狠| 天天肏在线观看| 在线可以看的av网址| 六月丁香网| 超碰无码318604| 久热网站| 亚洲欧美在线观看| 九月色婷婷| 婷婷激情社区| 久久激情中文| 五月天婷婷三级黄| 男人天堂99| 激情婷婷视频在线| 色五月婷激情| 俺也去色| 久久之人妻| 九九热99熟女| 俺去婷婷 丁香| www.操逼comm| 99热精品在线| 99热情这里只有精品在线播放| 99爱视频| av在线观看网址| 婷婷五月综合啪| 开心激情站| 99黄色在线视频精品熟女| 久久99激情丁香婷婷小说网| www.99热国产| 激情五月无码| 成人视频网| 婷婷五月黄色激情在线| 超碰在线人妻| 99热综合网| www.日韩国产| 岛国午夜视频| 91色情播放| 九九色插| 婷婷五月婷婷五月| 免费无码毛片一区二区A片| 一夜福利不卡| 中文字幕日产A片在线看| 五月婷婷六月丁香激情深爱| 午夜五月天| 99九九精品视频| 欧美日韩成人一区二区| 丁乡久久| 日本va欧美va欧美精品88| 91亚洲视频| 五月天精品视频| 123日本不卡在线| 五月天色婷婷基地| 亚洲正能量欧美| 中文字幕色色| 婷婷五月天丁香久久| 噜噜色噜噜网| 亚洲操B视频| 九九热最新地址| 综合99视频| 特黄三级片| 色婷婷五月天天天天天| 免费视频无码| 小视频一区 | 色婷激情网| 影音先锋AV资源男人站| 五月婷婷 激情五月| 欧美激情性做爰免费视频| 婷婷丁香五另类网站| 亚洲第一成人无码A片| 日日肏天天操| 人人操操97| 99操逼视频| 天天日天天狠狠操| 美国少妇性做爰| 另类激情五月天| 99在线热视频| 激情五月丁香五月| 丁香婷婷久久老熟女综合网| 91九色最新视频| 桔色成人在线| 亚洲人妻Av| 五月天婷婷社区| www.日韩艹| OUMEIRIHANCHENGREN| 五月婷婷啪啪网| 亚洲成人色五月天| 五月天婷婷狂暴白浆| 激情五月综合| 亚洲综合在线伊人婷| 婷婷久久色五月婷婷久久久| 欧美性爱五月天| 婷婷六月色| 婷婷五月天久草在线| 色婷婷亚洲婷婷| 成人在线精品| 久久久天堂国产精品女人| 久久五月天激情| 九九热色视频| 中文AⅤ大全| 亚洲成人网在线观看| 婷婷 激情 五月| 97操男人的天堂| 另类 在线| 六月激情婷婷综合| 色综合99色| 99色婷婷视频| 久久五月婷天天干| 97色热| 亚洲色另类| 伊人五月丁香| 色综合久久88色综合天天99| 全部老头和老太XXXXX| 婷婷成人五月天成人文学| 天天舔夜夜操www com| 狠狠 久久| 成人一级片| 丁香五月天激情综合网| 大香蕉伊人爱在线| 午夜不卡久久精品无码免费 | 91a片爽| 亚洲精品午夜国产va久久成人| www.日韩艹| 六月久久婷婷| 一级片操逼视频| 狠狠操狠狠| 中文字幕丁香五月| 五月丁香激情四射| 日本久久久97| 色综合色色色| 久色视频首页| 插逼综合网| 99综合色色色| 在线看片av| 五月成人综合| 色色五月丁香婷婷| 婷婷综合九月| 爱爱网址9| 丁香五月激情综合| 色播五月天激情| 爱的综合网| 五月天激情综合首页| 激情五月天色婷婷综合| 一级操逼大片| 激情第四色| 六月激情久久| 日韩操逼小电影| 色激情综合狠狠婷婷| 婷婷五月丁香花综合| 五月婷婷综合成人| www久久久| 五月丁香 啪啪| 婷婷丁香五月在线播放| 6080av| 日韩三级片一区二区| 99精品视频偷拍| 99资源人人| 婷婷五月天综合亚洲| 99热最新网址| 中文字幕永久在线| 天天澡天天狠天天天做| 狠婷婷五月| 丁香五月婷婷狠狠色| 五月天婷婷免费| 色五月,婷婷大香蕉| 97超级啪啪在线观看| 蜜桃成语时李时珍 免费| 丁香五月电影| 久机视频这只有精品| 久久久婷婷五月亚洲97号色| 色视频五月天| 五月丁香六月婷婷亚洲视频| 婷婷在线午夜| 婷婷五月丁香高清无码| 丁香五月天色| 久久久久久xxxxx| 99日韩| AV堂狠狠干| 九月婷婷综合| 天天噜天天插| 久久久精品视频79| 色色色在线| 99精品久久久久| 丁香五月天激情四射网| 色五月婷婷青娱乐| 丁香五月婷婷亚洲另类| 一级黄色操B| 9久热在线精品| 日韩国产在线精品| 色色欧美色色| 影音先锋美国A| 高潮毛片又色又爽免费| 强辱丰满人妻HD中文字幕| 久久六月婷婷| 97婷婷五月丁香| 青青久久大香蕉| 亚洲成人精品三区| 91人人爽人人操| 91porn一起草| 7777激情基地| 免费啪啪啪网站| 9999热在线观看| www.色色五月天.com| 五月丁香成人| 丁香九月婷婷| 桃色激情婷婷伊人网| 亚洲国产精品成人va在线观看| 丁香五月天激情小说| 丁香五月婷婷欧美成人色图| www.五月天。com| 玖玖资源站蜜臀| 成人电影在线免费试看| 任你爽视频| 综合网色| 中文婷婷狠狠| 99精品高潮| 激情婷婷五月天。| 日本色婷婷五月天成人电影| 天天做综合网色综合| 婷婷综合五月天亚洲综合| 亚洲操B| 色五月五月天色婷婷色五月| 婷婷丁香五月亚洲17cao| 久草热8精品视频在线观看| av国产精品| 激情碰碰碰| 久草 天堂| 久久精品小视频| 丁香五月播播| 欧美日韩999| 强辱丰满人妻HD中文字幕| 蜜臀久久99精品久久久久久酒店| 久草婷妨| 9久视频| 天天天操天天天爰| 五月天婷婷在线观看| 91色五月| 五月丁香| 五月婷婷九| 这里只有精品在线视频精品| 五月丁香欧美| 婷婷五月综合色拍| 欧美69久成人做爰视频| av在线不卡播放| 日本激情ⅩXX免费视频| 狠狠色激情综合| 成人网站免费在线播放| 无码少妇高潮喷水A片免费| 五月婷婷婷色| VA色婷婷| 99热这里只要精品免费| 色吧五月| 久9久视频精品| 五月丁香久久网| 五月天中文网| 久久婷综合| 红桃91人妻爽人妻爽| 我爱大香蕉| 五月婷婷六月综合| www.激情五月| 色九九中文字幕| 色综合网址| 俺五月| 内射综合网| 色五月婷婷在线观看第一页舔| 97久久超碰| 精品久久66| 欧美美女视频| 婷婷色啪| 五月丁香婷婷激激激综合网色播| 97香蕉碰碰人妻国产欧美| 激情五月天婷婷播播久久综合91| 五月婷精品| 五月丁香婷婷成人综合网| 国产精品色色| 男人天堂99| 无码任你操| 国产毛片精品一区二区色欲黄A片| 欧美色色色色色色| 婷婷丁香激情五月| 国产成人+综合亚洲+天堂| 免费日本aⅴ中文字幕 | 亚洲 25P| www色色com| 综合精品99| 99爱视频在线免费观看| 婷婷综合| 日本一级一片免费视频| 老司机午夜福利视频金瓶梅| 99热精品无码| 色色色色色色综合网| 在线成人网站| av狠狠操| 九九伦子片| 91五月天| 久久99综合网| 操逼五月天| 久久视频这里99| 一起草AV入口| WWW·天天操·视频?| 色色色婷婷| 99人人干人人操| 五月婷婷m| 色噜噜狠狠色综无码久久合欧美| 97干视频| 色婷婷先锋| 99热碰碰| 欧美婷婷成人| 久热爱大香蕉在线蜜臀悦色 | 婷婷精品在线| 久久hd| 亚洲精品在线视频| 98热精品| 久久婷婷五月天综合| 国产99久久久国产精品免费看| 色播五月婷婷综合| 九九综合久久| 国产 码在线成人网站| 91碰碰视频| 九九热在线99| 色婷婷六月| 亚洲色综久久五月| 婷婷丁香人妻天天| 91黄色五月天视频| 26UUU在线观看| 狠狠色丁香乆乆| 少妇激情五月婷婷| 国产精品色| 五月婷婷色色| 色五月六月| 成人深爱丁香五月| 这里只有精品视频99| 26uuu精品国产| 九九九九综合| 五月丁香啪啪啪综合网| 97人人操人人| 99热这里只有精品9| 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 | 草五月| 久久精品五月| 99热97| 真实熟女-91九色| 99精品福利视频| 99人妻碰碰碰久久久久| 五月天激情啪啪| 中文字幕黄色电影网址| 五月综合婷婷五月| 蜜乳AV成人| 五月综合六月婷婷| 爱狠射| 色婷婷888| WWW.婷婷五月天.COM| 东京热免费视频| 日本色婷婷久久99精品91| 国产暴力强伦轩1区二区小说| 欧美色六月婷婷| 激情五月四色| 丁香婷婷激情| 日韩人妻在线观看| 久久久久久人妻| 这里只有精品在线视频精品| 国产精产国品一二三在观看| 婷婷五月天成人基地| 日本玖玖在线| 婷婷色九月| 婷婷色五月噜噜| av网址在线播放| 狠狠干综合网| 天天操B| 丁香五月天婷婷激情| 久久 这里只有精品1| 超碰中文字幕在线| 五月玖玖| 狠狠操之狠狠操| 激情综合视频| 五月丁香六月激情综合| 99热新网址| 图片区 小说区 区 亚洲五月| 婷婷金品综合视频| 天天搡日日搡aaaaⅩ| 五月丁香婷婷啪啪| 五月天婷婷视频30| 日韩精品999| 九九碰九九爱97超碰| 激情的五月| 99人人干人人操| 亚洲这里只有精品| 六月丁香五月婷婷首页| 亚洲色频|