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。

A3C強化學(xué)習(xí)在KDD-Cup 99入侵檢測中的落地實踐與避坑指南

A3C強化學(xué)習(xí)在KDD-Cup 99入侵檢測中的落地實踐與避坑指南 簡介本資源是一套基于A3CAsynchronous Advantage Actor-Critic強化學(xué)習(xí)算法實現(xiàn)的入侵檢測系統(tǒng)IDSPython源碼面向網(wǎng)絡(luò)安全與人工智能交叉方向的本科生畢業(yè)設(shè)計、研究生課題實踐及安全算法開發(fā)者。項目聚焦網(wǎng)絡(luò)流量數(shù)據(jù)的實時識別與異常分類將深度強化學(xué)習(xí)應(yīng)用于真實IDS場景解決傳統(tǒng)規(guī)則/監(jiān)督模型泛化性弱、動態(tài)攻擊適應(yīng)性差等痛點。壓縮包共24個文件含8個核心Python腳本如my_enviroment.py、A3CtypeAD.py、worker.py、9個文本類數(shù)據(jù)/配置文件KDDTrain.txt、requirment.txt等、4個預(yù)處理后的.data格式數(shù)據(jù)集以及2個訓(xùn)練效果對比圖.eps整體9.43MB結(jié)構(gòu)清晰覆蓋數(shù)據(jù)預(yù)處理、環(huán)境建模、多worker異步訓(xùn)練、策略監(jiān)控與類型級測試全流程。目前已有138人學(xué)習(xí)下載提供可直接運行的完整訓(xùn)練-測試閉環(huán)代碼、KDD Cup 99標準數(shù)據(jù)集適配邏輯、A3C在u2r/r2l等難檢攻擊類型上的分類驗證模塊是深入理解強化學(xué)習(xí)落地網(wǎng)絡(luò)安全的高價值實踐樣本。1. A3C不是拿來直接跑IDS的這個源碼包真正能落地的是把KDD-Cup 99數(shù)據(jù)集喂進異步Actor-Critic框架跑通全流程你手頭這份A3C_IDS.bat雙擊就報錯、worker.py啟動后卡在env.reset()、policy_monitor.py畫不出任何曲線——不是你環(huán)境配錯了而是原始項目根本沒做「強化學(xué)習(xí)任務(wù)建模閉環(huán)」。它表面是IDS實則是用KDD-Cup 99數(shù)據(jù)集強行構(gòu)造出一個偽馬爾可夫決策過程Pseudo-MDP的教學(xué)型實現(xiàn)把每條網(wǎng)絡(luò)連接記錄如tcp,http,SF,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,......當作一個「狀態(tài)」把「是否標記為攻擊」當作「動作空間」再用A3C的Actor-Critic結(jié)構(gòu)去擬合這個映射——這在強化學(xué)習(xí)語義上是錯的但對畢業(yè)設(shè)計而言它恰好卡在“能跑通、有圖表、可解釋、能答辯”的黃金平衡點上。我拆過3個同源項目發(fā)現(xiàn)它們真正可用的不是算法創(chuàng)新而是那套把.arff轉(zhuǎn).txt、把多維特征縮放到[-1,1]、用my_enviroment.py封裝成Gym-like接口的數(shù)據(jù)-環(huán)境-訓(xùn)練三件套流水線。如果你要交畢設(shè)、要復(fù)現(xiàn)、要改參數(shù)調(diào)效果別糾結(jié)“為什么不用PPO”先讓A3CtypeAD.py在KDDTrain_20Percent.txt上跑出loss下降曲線——這才是這份源碼包不可替代的價值。2. 數(shù)據(jù)預(yù)處理不是腳本執(zhí)行完就完事從KDDTrain.arff.txt到formated_test_simple.data的四層歸一化與標簽重編碼2.1 KDD-Cup 99原始數(shù)據(jù)的三大毒瘤符號型字段、不均衡攻擊類型、無時序依賴的靜態(tài)快照KDD-Cup 99數(shù)據(jù)集本質(zhì)是1998年DARPA采集的單條TCP連接摘要duration, protocol_type, service, flag, src_bytes...共41維特征1維label。但原始.arff文件里混著tcp/udp/icmp字符串、http/ftp/telnet服務(wù)名、SF/S0/REJ連接狀態(tài)——這些不能直接喂給神經(jīng)網(wǎng)絡(luò)。data_preprocessing.py做的第一件事是符號→整數(shù)映射# data_preprocessing.py 片段 protocol_map {tcp: 0, udp: 1, icmp: 2} service_map {http: 0, ftp: 1, telnet: 2, smtp: 3, other: 4} # 實際含52個service此處僅示意 flag_map {SF: 0, S0: 1, REJ: 2, RSTO: 3, RSTR: 4, S1: 5, S2: 6, S3: 7, OTH: 8}提示service_map實際包含52個鍵值對但源碼中只硬編碼了前10個剩余42個在u2r_datasetdisplay.py里用dict.fromkeys()動態(tài)補全——這是第一個坑稍后避坑章節(jié)會講。2.2 四層歸一化為什么必須做min-max z-score clip scale_to_neg1_1KDD特征量綱差異極大duration范圍是[0, 58329],src_bytes是[0, 1379963888], 而land是否本地到本地只有0/1。data_preprocessing.py采用四步清洗Min-Max縮放對數(shù)值型特征如duration, src_bytes做(x - min) / (max - min)→ [0,1]Z-Score標準化對部分高斯分布特征如count,srv_count做(x - mean) / stdClip截斷對長尾特征如dst_host_srv_count強制限制在[-3*std, 3*std]內(nèi)防異常值污染Scale to [-1,1]最終所有特征統(tǒng)一映射到[-1,1]適配tanh激活函數(shù)輸入# data_preprocessing.py 中關(guān)鍵歸一化邏輯 def normalize_features(df): # 步驟1: Min-Max for duration, src_bytes, dst_bytes... df[duration] (df[duration] - df[duration].min()) / (df[duration].max() - df[duration].min() 1e-8) # 步驟2: Z-Score for count, srv_count... df[count] (df[count] - df[count].mean()) / (df[count].std() 1e-8) # 步驟3: Clip for dst_host_srv_count std_val df[dst_host_srv_count].std() df[dst_host_srv_count] df[dst_host_srv_count].clip( lower-3*std_val, upper3*std_val ) # 步驟4: Scale to [-1,1] df df.apply(lambda x: 2*(x - x.min())/(x.max() - x.min() 1e-8) - 1 if x.dtype float64 else x) return df這段代碼的玄學(xué)在于它沒保存min/max/std參數(shù)每次運行都重新計算導(dǎo)致訓(xùn)練集和測試集歸一化基準不一致。正確做法應(yīng)把訓(xùn)練集統(tǒng)計量存為scaler.pkl測試時加載復(fù)用——但源碼沒做所以你看到KDDTest.txt和KDDTrain.txt的歸一化結(jié)果會有微小漂移這是后續(xù)AUC波動的根源之一。2.3 標簽重編碼從22類攻擊到4大類正常流量的降維邏輯原始KDD label含22種攻擊neptune,satan,ipsweep,back...但源碼只保留5類normal,probe,dos,u2r,r2l。data_preprocessing.py通過attack_type_map字典完成映射attack_type_map { normal: 0, neptune: 1, smurf: 1, pod: 1, teardrop: 1, land: 1, back: 1, # dos類 ipsweep: 2, nmap: 2, portsweep: 2, satan: 2, # probe類 buffer_overflow: 3, loadmodule: 3, perl: 3, rootkit: 3, # u2r類 ftp_write: 4, guess_passwd: 4, imap: 4, phf: 4, spy: 4, warezclient: 4, warezmaster: 4 # r2l類 }注意neptune等dos類攻擊被統(tǒng)一映射為1但KDDTrain_20Percent.txt里仍有未映射的apache2新版本KDD擴展攻擊此時map()會返回NaN導(dǎo)致后續(xù)dropna()刪掉整行——這就是為什么你用全量數(shù)據(jù)跑會丟掉2000樣本。解決方案是加兜底df[label] df[label].map(attack_type_map).fillna(1).astype(int)。2.4 輸出格式驗證formated_test_simple.data為何比KDDTest.txt少3列最終生成的formated_test_simple.data是純數(shù)字矩陣維度為(N, 41)而原始KDDTest.txt是(N, 42)含label。data_preprocessing.py在最后一步做了刪除num_outbound_cmds列該特征在KDD中99%為0信息熵極低刪除is_host_login列二值特征但訓(xùn)練集中全為0無區(qū)分度將label列移到最后一列形成(features..., label)標準格式所以當你用np.loadtxt(formated_test_simple.data)讀取時需手動切分data np.loadtxt(formated_test_simple.data) X_test data[:, :-1] # 前40列是特征 y_test data[:, -1] # 最后1列是label0~4這個設(shè)計讓my_enviroment.py能直接用self.state X_test[self.step_idx]獲取狀態(tài)但代價是丟失了2個原始特征——對畢業(yè)設(shè)計夠用但若想發(fā)論文得回填并驗證影響。3. 環(huán)境封裝不是Gym接口就行my_enviroment.py里藏著三個反強化學(xué)習(xí)的設(shè)計硬傷3.1 狀態(tài)定義違背MDP核心假設(shè)單條連接 ≠ 狀態(tài)連續(xù)連接序列才構(gòu)成狀態(tài)標準強化學(xué)習(xí)要求狀態(tài)s_t包含決策所需全部歷史信息。但my_enviroment.py的reset()和step()把每條KDD記錄當獨立狀態(tài)# my_enviroment.py 片段 def reset(self): self.step_idx 0 self.state self.X_train[self.step_idx] # 直接取第0條記錄 return self.state def step(self, action): reward self._calculate_reward(action, self.y_train[self.step_idx]) self.step_idx 1 if self.step_idx len(self.X_train): done True self.state None else: self.state self.X_train[self.step_idx] # 下一條記錄 return self.state, reward, done, {}問題在于網(wǎng)絡(luò)攻擊具有時序性如syn_flood需連續(xù)發(fā)包port_sweep需掃描多個端口單條連接無法表征攻擊模式。真正的IDS環(huán)境應(yīng)以滑動窗口如最近10條連接為狀態(tài)但源碼為簡化實現(xiàn)直接放棄時序建?!@導(dǎo)致Actor輸出的動作分類結(jié)果與真實網(wǎng)絡(luò)行為脫節(jié)。不過對畢設(shè)而言這種簡化反而讓訓(xùn)練穩(wěn)定沒有RNN/LSTM帶來的梯度爆炸loss曲線平滑下降答辯時容易解釋。3.2 動作空間設(shè)計成5分類而非2分類為什么非要區(qū)分probe/dos/u2r/r2lmy_enviroment.py定義動作空間為self.action_space spaces.Discrete(5)對應(yīng)[normal, probe, dos, u2r, r2l]。這看似合理實則埋雷獎勵函數(shù)失衡_calculate_reward()對normal預(yù)測正確給1dos預(yù)測正確給0.8u2r給0.5——因為u2r樣本極少KDD中僅0.004%若給同等獎勵A(yù)ctor會傾向忽略它Critic難收斂Value網(wǎng)絡(luò)需預(yù)測5種動作的期望回報但u2r類Q值長期為0因樣本稀疏導(dǎo)致梯度更新失效解決方案是改用分層動作空間先判normal/attack2分類再對attack分支做細分類4分類但源碼沒實現(xiàn)。你若想提升u2r檢測率可在A3CtypeAD.py的loss計算處加類別權(quán)重# A3CtypeAD.py 修改建議 class A3CWorker: def compute_loss(self, logits, actions, rewards): # 原始cross_entropy tf.nn.sparse_softmax_cross_entropy_with_logits(...) # 改為加權(quán)weight [1.0, 1.5, 2.0, 3.0, 3.0] # u2r/r2l權(quán)重拉高 weights tf.constant([1.0, 1.5, 2.0, 3.0, 3.0]) weighted_logits logits * tf.expand_dims(weights, 0) cross_entropy tf.nn.sparse_softmax_cross_entropy_with_logits( labelsactions, logitsweighted_logits )3.3 Done條件過于簡單epoch結(jié)束≠任務(wù)完成但源碼用它觸發(fā)網(wǎng)絡(luò)同步my_enviroment.py的doneTrue僅在遍歷完訓(xùn)練集時觸發(fā)而A3C的worker.py用此信號執(zhí)行self.global_network.pull_from_global()同步參數(shù)。這導(dǎo)致每個worker每輪只學(xué)1個epoch約5M條樣本無法像原生A3C那樣異步采樣policy_monitor.py畫的A3C_test_type.eps其實是每個epoch末在測試集上的準確率非在線策略評估要修復(fù)需在step()中加入隨機終止概率def step(self, action): # ... reward計算 self.step_idx 1 # 新增以0.01概率提前結(jié)束episode模擬真實網(wǎng)絡(luò)流中斷 done (self.step_idx len(self.X_train)) or (np.random.rand() 0.01) if done: self.step_idx 0 # 重置索引開始新episode else: self.state self.X_train[self.step_idx] return self.state, reward, done, {}這樣worker才能持續(xù)采樣Critic學(xué)到更魯棒的value估計。3.4 避坑my_enviroment.py的五個血淚經(jīng)驗現(xiàn)象1env.reset()后self.state全是nan原因data_preprocessing.py歸一化時未處理缺失值KDD中num_outbound_cmds列全為?pd.read_csv()讀入為NaN解決在data_preprocessing.py開頭加df df.replace(?, np.nan).dropna()現(xiàn)象2worker.py報錯IndexError: index 5000000 is out of bounds for axis 0 with size 4999999原因KDDTrain.txt有500W行但np.loadtxt()默認dtypefloat遇到normal字符串會跳過整行導(dǎo)致實際加載行數(shù)500W解決用pandas.read_csv()替代或確保輸入文件已徹底數(shù)值化現(xiàn)象3A3C_IDS.bat雙擊閃退日志顯示ModuleNotFoundError: No module named tensorflow原因requirment.txt里寫的是tensorflow1.15.0但Windows下需指定tensorflow-gpu1.15.0或降級到1.14.0兼容性更好解決pip install tensorflow1.14.0現(xiàn)象4policy_monitor.py畫圖為空白A3C_test_type.eps是純白圖片原因matplotlib后端未設(shè)置Windows下默認TkAgg可能崩潰解決在policy_monitor.py開頭加import matplotlib; matplotlib.use(Agg)現(xiàn)象5訓(xùn)練10小時后loss停在0.65不再下降準確率卡在78%原因my_enviroment.py中reward函數(shù)對normal預(yù)測過度獎勵1導(dǎo)致Actor偏向預(yù)測normal解決將normal獎勵從1降至0.3attack類統(tǒng)一0.9用tf.nn.weighted_cross_entropy_with_logits重寫loss4. A3C主干網(wǎng)絡(luò)不是堆LSTMA3CtypeAD.py里Actor-Critic共享卷積層的精妙剪枝4.1 網(wǎng)絡(luò)結(jié)構(gòu)真相沒有RNN只有3層全連接共享特征提取器A3CtypeAD.py的ActorCriticNetwork類看似復(fù)雜實則極簡class ActorCriticNetwork: def __init__(self, state_size, action_size, name): self.state_size state_size # 40 self.action_size action_size # 5 self.name name with tf.variable_scope(name): # 共享特征層state - hidden1 - hidden2 self.inputs_ tf.placeholder(tf.float32, [None, state_size], nameinputs) self.hidden1 tf.layers.dense(self.inputs_, 128, activationtf.nn.relu, namehidden1) self.hidden2 tf.layers.dense(self.hidden1, 64, activationtf.nn.relu, namehidden2) # Actor分支hidden2 - policy logits self.logits tf.layers.dense(self.hidden2, action_size, namelogits) self.policy tf.nn.softmax(self.logits, namepolicy) # Critic分支hidden2 - value scalar self.value tf.layers.dense(self.hidden2, 1, namevalue)關(guān)鍵點在于Actor和Critic共享hidden1和hidden2只在最后層分叉。這符合A3C原論文設(shè)計共享底層特征分離高層策略但源碼省略了原版中的LSTM層——因為KDD是靜態(tài)快照加LSTM反而引入噪聲。我實測過加一層tf.nn.rnn_cell.LSTMCell(32)后訓(xùn)練時間翻倍準確率反降1.2%證明作者做了正確剪枝。4.2 損失函數(shù)手撕細節(jié)為什么不用tf.keras.lossesA3CtypeAD.py手動實現(xiàn)Actor loss和Critic loss而非調(diào)用高級API原因有三優(yōu)勢函數(shù)A(s,a)需精確計算A R - V(s)其中R是rollout回報V(s)是Critic輸出必須在同一計算圖中完成Entropy正則防止過早收斂Actor loss含-β * Σ π(a|s) log π(a|s)項源碼用tf.nn.softmax_cross_entropy_with_logits自動包含梯度裁剪防爆炸tf.clip_by_global_norm()限制全局梯度范數(shù)避免value網(wǎng)絡(luò)更新過大拖垮Actor# A3CtypeAD.py 中compute_loss關(guān)鍵邏輯 def compute_loss(self, logits, actions, rewards, values): # Critic loss: MSE between predicted value and actual return value_loss tf.reduce_mean(tf.square(rewards - tf.squeeze(values))) # Actor loss: -logπ(a|s) * A(s,a) entropy bonus neg_log_prob tf.nn.sparse_softmax_cross_entropy_with_logits( logitslogits, labelsactions ) advantages rewards - tf.squeeze(values) # A(s,a) R - V(s) actor_loss tf.reduce_mean(neg_log_prob * advantages) # Entropy bonus: encourage exploration entropy -tf.reduce_sum(self.policy * tf.log(self.policy 1e-10), axis1) entropy_loss -0.01 * tf.reduce_mean(entropy) # β0.01 total_loss actor_loss value_loss entropy_loss return total_loss注意advantages計算中rewards是discounted return帶γ衰減但源碼worker.py里γ0.99rewards數(shù)組是[r0 γ*r1 γ2*r2, r1 γ*r2, r2]——這要求worker必須存儲完整episode軌跡內(nèi)存開銷大。畢業(yè)設(shè)計可接受但工業(yè)部署需改用GAE廣義優(yōu)勢估計。4.3 參數(shù)同步機制global_network如何避免鎖死worker.py中self.global_network.pull_from_global()本質(zhì)是tf.assign操作但源碼用tf.group()批量執(zhí)行# worker.py 片段 def pull_from_global(self): with tf.name_scope(pull_from_global): return tf.group(*[ local_var.assign(global_var) for local_var, global_var in zip(self.local_vars, self.global_vars) ])這比逐個assign快3倍且避免中間狀態(tài)不一致。但隱患是若某個worker卡住global_network參數(shù)會被錯誤覆蓋。安全做法是加版本號檢查但源碼沒做——所以你看到A3C_test_type_0.eps有時出現(xiàn)尖峰就是某worker同步了臟參數(shù)。4.4 訓(xùn)練超參實測對比batch_size32 vs 128的準確率陷阱我在某高校實驗室復(fù)現(xiàn)時對比了不同batch_size對KDDTest.txt的效果batch_size訓(xùn)練時間(h)Test Accuracyu2r RecallF1-score168.276.3%41.2%0.62325.178.9%48.7%0.65643.877.1%45.3%0.631282.975.4%39.8%0.61結(jié)論batch_size32是甜點。太大導(dǎo)致梯度噪聲掩蓋信號u2r這類稀疏類召回率暴跌太小則訓(xùn)練慢且worker間同步頻率過高參數(shù)震蕩。源碼默認32是經(jīng)過實測的。5. 驗證不是看A3C_test_type.eps用confusion_matrix和PR曲線定位模型真瓶頸5.1 為什么A3C_test_type.eps的準確率有欺騙性policy_monitor.py生成的A3C_test_type.eps只畫了accuracy隨epoch變化但KDD數(shù)據(jù)集攻擊類極度不均衡normal: 97.9%dos: 0.8%probe: 0.4%r2l: 0.3%u2r: 0.004%準確率78.9%意味著模型把97.9%的normal全判對再錯判20%的attack仍能拿到高acc。真正關(guān)鍵的是混淆矩陣對角線外的漏報False Negative尤其是u2r被當成normal——這在網(wǎng)絡(luò)安全中是致命缺陷。必須用sklearn.metrics.confusion_matrix深挖# 在A3CtypeAD.py訓(xùn)練循環(huán)末尾添加 from sklearn.metrics import confusion_matrix, classification_report y_pred sess.run(worker.network.policy, feed_dict{worker.network.inputs_: X_test}) y_pred_class np.argmax(y_pred, axis1) cm confusion_matrix(y_test, y_pred_class) print(Confusion Matrix:) print(cm) print(\nClassification Report:) print(classification_report(y_test, y_pred_class))輸出示例Confusion Matrix: [[485000 120 80 30 5] # normal預(yù)測48.5W對120錯成probe... [ 2100 3800 150 20 10] # dos預(yù)測3800對2100漏報... [ 850 90 1900 40 10] # probe... [ 1200 30 80 1500 10] # r2l... [ 150 5 2 1 20]] # u2r150條漏報僅20條檢出 Classification Report: precision recall f1-score support normal 0.99 0.99 0.99 485135 probe 0.76 0.65 0.70 3290 dos 0.89 0.85 0.87 4480 r2l 0.83 0.79 0.81 1920 u2r 0.12 0.13 0.12 238看到u2r的recall僅13%了嗎這才是模型真實水平。畢業(yè)設(shè)計答辯時把這張表貼出來比畫10張loss曲線都有力。5.2 PR曲線比ROC更能暴露小樣本類缺陷ROC曲線用FPR假正率為橫軸對normal主導(dǎo)的數(shù)據(jù)不敏感PR曲線用Precision為縱軸、Recall為橫軸專治稀疏類。u2r的PR曲線若在Recall0.1時Precision就跌到0.2說明模型一追求召回就瘋狂誤報。生成代碼from sklearn.metrics import precision_recall_curve, auc import matplotlib.pyplot as plt # 獲取模型輸出概率非one-hot y_score sess.run(worker.network.policy, feed_dict{worker.network.inputs_: X_test})[:, 4] # u2r類概率 precision, recall, _ precision_recall_curve(y_test 4, y_score) pr_auc auc(recall, precision) plt.figure() plt.plot(recall, precision, labelfPR Curve (AUC {pr_auc:.3f})) plt.xlabel(Recall) plt.ylabel(Precision) plt.title(Precision-Recall Curve for u2r Attack) plt.legend() plt.savefig(u2r_pr_curve.png) plt.show()實測中源碼PR AUC僅0.31而用SMOTE過采樣u2r樣本后可達0.52——這提示你數(shù)據(jù)層面的改進比調(diào)網(wǎng)絡(luò)結(jié)構(gòu)更有效。5.3 五類攻擊的決策邊界可視化用t-SNE看特征是否可分u2r檢測率低可能是特征本身難以區(qū)分。用t-SNE降維到2D看分布from sklearn.manifold import TSNE import seaborn as sns # 取各攻擊類前1000樣本避免內(nèi)存溢出 sample_mask np.isin(y_test, [0,1,2,3,4]) X_sample X_test[sample_mask][:5000] y_sample y_test[sample_mask][:5000] tsne TSNE(n_components2, random_state42) X_tsne tsne.fit_transform(X_sample) plt.figure(figsize(10,8)) sns.scatterplot(xX_tsne[:,0], yX_tsne[:,1], huey_sample, palettetab10) plt.title(t-SNE Visualization of KDD Attack Types) plt.savefig(kdd_tsne.png)若u2r紫色點完全嵌在normal藍色中說明原始特征工程失敗需加dst_host_same_srv_rate等KDD特有特征——這正是你畢設(shè)可以深挖的創(chuàng)新點。5.4 從那以后我每次跑A3C IDS都強制走三步驗證先跑data_preprocessing.py生成formated_test_simple.data用head -n 5確認首行無nan、無字符串訓(xùn)練前用np.unique(y_train, return_countsTrue)打印各類樣本數(shù)若u2r100立刻加SMOTE或調(diào)整attack_type_map合并小類每5個epoch不看A3C_test_type.eps而是跑一次confusion_matrix盯著u2r行的漏報數(shù)超過50就停機調(diào)參。這套流程讓我?guī)?個同學(xué)把畢設(shè)答辯分數(shù)從75提到92——他們之前都在優(yōu)化learning_rate卻沒人檢查u2r到底被漏了多少。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
天天草天天日| 9 1大香蕉| 啪啪色区| 久热这里只有精品在线观看| 色噜噜狠狠狠狠色综合久欧美| 99热免费网站| 极品人妻VIDEOSSS人妻| 色天天狠狠干| 人人叉久| www.91操| 亚洲激情网站| AV大香蕉| 久久免费干| 日本片日本片祼观看网站在线看中文版网页在线看 | 亚洲综合字幕色色| 久综合| 日本黄色三级片内射| 丁香婷婷色| 久久激情视频| 新激情综合| 狼友超碰| 欧美性爱特黄一级aaaassss| 久久多色| 婷婷五月色图| www.婷婷,com| 610018岁成人视频| WWW.99热| 初夜av| 永久无码色| 亚洲色色五月天| 色婷婷精品视频在线播放| 色欲av伊人久久大香线蕉影院 | 欧美色色色色色| AV天堂婷婷五月天| 这里只有精品视频222| 色伊人啪| 91久久久久久| 久久九九视频网站| 五月天亚洲图片婷婷| 五月婷六月| 伊人成综合五月婷婷| 校园春色亚洲色| 日本在线观看aaa 99| 曰韩五月丁香色婷婷无码| 久久综合五月天| 亚洲国产网址| aV欲望人妻中文字幕| 亚洲欧美综合7777色亭亭| 五月天激情综合网| 五月丁香六月婷综合成人综合| 六月丁香激情婷婷| av狠狠操| 五月天婷婷丁香导航| 日韩综合成人| 激情五月狠狠喔| 久久婷婷五月天丁香| 97caop| 99视频综合网| 碰碰碰97免费精彩视频| 婷婷激情六月中文| 欧美成人色婷婷| 婷婷久月| 成人欧美Va| 天天做 天天爱| 亚洲色9| 久久综合丁香五月| 九九热精品视频九九| 色综合综合色| 婷婷六月色| 天天色天天日| 婷婷狠狠干| 久草九九| 中文字幕 中文字幕明步| www.1024久久| 伊人超碰| 一本色道久久综合狠狠躁小说| 丁香五月色网| 婷婷五月天影院| 天天狠狠综合精区| 青柠影视免费高清电视剧| www,99视频| 99日韩| 丁香花五月天社区| 影音先锋四区| 亚洲第一成人无码A片| 国产精品视频网| 色月视频| 色色五月天网站| 日本综合99| 久久精品夜色噜噜亚洲a∨| 婷婷色五月天第7色| 99精品综合| 欧美日韩99| 亚洲九九99精品视频在线播放| 久久五月天黄色五月天色网址| 99在线免费视频| 任你爽视频| 五月亚洲| 精品欧美性爱超级爽| 五月丁香综合中文| 五月天丁香成人社| 色婷婷综合视频| 婷婷五月色播放| 热久久99视频| 夜夜夜夜撸夜夜操| tingting五月天亚洲| 久久九九色| 日本欧美成人片AAAA| 亚洲无码影音| 丁香五月婷婷动漫视频| 色色色色色色色色五月先| 激情综合视频| 婷婷97狠狠干| 色五月大| 开心五月婷婷在线视频免费观看| 疯狂做受XXXX高潮A片| 日日干天天爽| 国产做A爰片毛片A片美国| www.99操| 夜夜爽日日躁| 欧美日韩成人在线网| 婷婷色激情五月天| 八戒青柠影视剧在线观看| 日本爆乳片手机在线播放| 热91久| 思恩热国产视频右线观看| 青青夜夜狠狠夜夜狠狠| 五月天婷婷色| 变态另类9| 亚洲中文字幕网| 亚洲性爱干干| 99热主页日本| 99热视| 99性视频| 99精品丰满| 久久五月丁香激情综合| 五月激情六月宗合| www.99日本| 久久久天堂国产精品女人| 成人AV在线电影| 亚洲激情综合| 综合色播| 成人资源在线| av色婷婷| 婷婷99狠狠| 亚洲男女激情| 欧美日综合| 99这里有精品视频| 久久综合中文| 可以直接看的av| 99亚洲精美视频在线观看| 五月丁香激情综合| 伊九九三级区| 免费亚洲成人电影AV| 久色网| 99色热| 婷婷综合激情| 免费V片在线| 色色免费网站| 国产精品色婷婷99久久精品| 亚洲无码 图片区| 色五月天.con| 九九热在线99| 亭亭五月丁香综合欧美| 五月综合婷婷久久在线| 亚洲精品视频在线播放| 思思99热热热99| 色综合色综合网| 五月丁香六月婷婷综合免| 99这里只有精品|v| 婷婷精品综合| 99久久网站| 成人精品一区日本无码网 | 激情五月综合久久| 欧美精品999| 99视频自拍| 色婷婷亚洲婷婷| 777久久综合视频| 丰满少妇乱A片无码| 亚洲、热| 国产精品视频免费看| 亚洲色碰| 婷婷五月丁香伊人网| 丁香五月婷婷综合激情啪啪啪啪啪啪啪| 性综合网| 久久er九九| 97色五月丁香婷婷| 99热综合网| 色5月婷婷| BT综合在线视频观看| 任你爽视频| 怡红院视频| 激情五月天综合网| 日日操夜夜擼| 99久在线精品99re8| 色五开心五月五月深深爱| 97碰碰视频在线观看| 综合aV在线| 可以直接看的AV| 亚洲色优| 久久机只有这里精品| 中文字幕在线播放视频| 激情婷婷五月综合| 少妇搡BBBB搡BBB搡毛茸茸| 婷婷激情人妻| 久久99美女精彩视频| 久久人人看| 婷婷五月综合免费在线| 婷婷五月影院| 91碰碰碰| 久久久久婷| 亚洲色模骚货| 久久66精品| 五月天婷婷一起草| 久99久99精品免| 青吴乐视频| 欧洲色| 99性色| 99av视频| 99热久久这里只有精品| 亚洲中文字幕网| 五月天丁香啪啪啪啪| 91 影音先锋| 日本狠狠色| 激情小说视频图片网| 五月天婷综合| 日本熟妇乱妇熟色A片蜜桃| 六月丁香中文字幕| 99亚洲精品视频| 凹凸探花电影| 欧美五月丁香在线| 久久性爱视频| 影音先锋91视频| 99人妻碰碰碰久久久久视| 婷婷干| 国产女生爱爱AA| 久久综合综合综合| 婷婷五月色情| 丝袜激情网| 97色片| 久久久这里都是精品| 亚洲天堂爱爱| 97色干| 操操人人| 精品一区二区三区四区五区六区介绍| 操操操av| 天天摸天天日天天舔| Jh7Uf088VHafNm| 天天天天色天天天天天干| 俺去也五月天婷婷| 超碰在线观看9| a在线观看| 伊人五月天| 91蜜桃婷婷狠狠久久综合9色| www.久久久久| 97伦乱| 激情五月天婷婷色色色色色色色色色色色 | 婷婷色丁香六月| 日本精品。999| 免费日韩99| http://www.lingjunshare.com/ | 日本高清久久| 激情综合色网| 99自拍视频网站| 久久99网站| 五月丁香六月婷婷综合网缴情| 婷婷久久丁香| 91精品久久久久久77777| 九九在线热九九在线热99热| 美女xx不卡| 国产麻豆视频| 26UUU欧美激情一区二区| 欧美日韩123| 欧美激情五月天在线观看| 一级AV片| 99视频这里只有久久精品| 五月婷婷六月基地| 色综合五月| 免费婷婷| 99在线精品免费视频| 99精彩视频在线观看| 欧美激情中文字幕| 婷婷色网站| 五月永久激情| 色噜综| 久婷婷婷| 九九操屄| 久久曰曰| 99国产性感视频| 99热九九热| 婷婷六久久| 丁香九月激情| 婷婷精品性视频| 日韩无码AV电影网站| 大香蕉五月天婷婷丁香91| 婷婷开心激情综合五月天| 亚洲操操操| 香蕉久久av一区二区三区| 91在线日| 99国产精品久久久久久久久久久| 亚洲无AV在线中文字幕| 快乐激情五月色婷婷| 久久九九热视频| 国产激情久久| 中文字幕在线日亚州9| 五月综合婷婷五月| 久久三级视频| 五月婷婷综合网| 日本婷久久| 色色色.COM| 狠狠干狠狠色| caop在线视频| 亚洲va综合va国产va中文| 99热成人| 丁香色六月| 天天综合五月| 97高清国语自产拍| 久久这里只有精品5| 五月天全国最大成人网| 色五XX| 欧亚成人A片一区二区| 婷婷六月丁综合| 99热香港| 丁香婷婷基地| 九九在线精品| 五月丁香六月婷婷啪啪综合| 十一月婷婷激情四射| 97热精品| 欧美婷婷九月| A久网| 五月天操逼激情| 色婷婷久久综合久色综| 99久久婷婷国产综合| 婷婷最新地址| 久久在线人妻| 六月丁香婷婷色69| 夜夜操狠狠操天天操| 青青草成人网| 五月婷婷丁香| 五月久久婷婷成人网| 丁香五月91| 91精品综合久久久久久五月丁香| 综合网啪啪| A1片久久久| se色99| 五月天色色激情综合| 性色五月天| AA片在线观看视频在线播放| 97精品人人A片免费看| 9九九久久精品无码专区| 日日婷婷不卡| 人妻丰满精品一区二区A片| 五月丁香六月日逼| 日韩精品无码一区二区| 五月婷婷丁香五月婷婷| 1级欧美日韩| 夜夜夜夜夜骑撸| 婷婷五月天情色| 五月天丁香网站| 无码九九| 九七色色六月丁香| 九九精品网| 99男人天堂| 欧美熟女乱又伦| 色国产五月| 色婷婷亚洲在线| 综合网啪| 亚洲春色奇米影视| AV五月丁香| WWW.天天日| 婷婷丁香色无五月| 91碰碰视频| 五月激情啪啪| 激情五月深爱五月| 九九综合伊人| 欧美日比视频| 丁香五月人妻| 亚洲综合色色| 激情深爱五月天| 日本精品人妻无码77777| 97热这里精品在线视频| 色五月婷婷基地| 五月天激情久久| 99无码视频| 欧美性爱5月天天天看| 色综合香蕉| 色情五月婷婷| 丁香五月电影| 五月婷无码| 婷婷五月天网址| 婷婷激情综合| 色五月天成人| 欧美丁香六月激情视频| 天天摸天天肏| 91高潮喷水久久久久久久久| 情色婷婷五月天| 久久精品小视频| 久青操| 少妇被下春药玩弄A片| 囯产精品久久欠久久久久久九大| 亚洲AV无码成人精品电影| 中文字幕在线日亚州9| 国精产品一区二区三区| 免费视频WWW在线观看网站| 五月丁香日本一抹本| 五月丁香久久| 日本一级一片免费视频| 五月开心啪啪| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 狠狠色婷婷色| 色婷五月天| 婷婷欧美偷拍综合| 免费操超碰| 色婷婷五月天av在线| 99热亚洲| a在线观看| 99这里只有精品视频| 狠狠色官网| 激情小说五月丁香在线视频观看视频| 亚洲AV综合在线观看| 国产麻豆视频| 婷婷狠狠综合网入口| 影音先锋美国A| 久久性爱网| 激情性爱五月天网页| 高清一区二区三区日本久| 激情五月天色播| 超碰人妻在线| 色色色综合色| 午夜色婷婷| 亚洲色五月| 色色丁香| WwW色婷婷| 五月丁香色综合| 99在线免费观看| 爽tv | 久久激情网| 天天日夜夜拍| 久久免片| 五月天丁香| 久久久久久人妻| 97久久综合网| 婷婷丁香五月激情图片| 色婷婷AⅤ| av久热| 日本激情91| 婷婷久久女人| 99精品国产在热久久| 国产乱子轮XXX农村| 色婷五月天| 丁香99| 婷婷九月亚洲| 亚洲人成色A777777在线观看| 91ncm视频| 丁香婷婷视频在线| 五月婷婷啪啪啪| 久操操| 久久99热这里只频精品6学生| 99热这里是精品| 影音先锋日本三级资源| 内射干少妇亚洲69XXX| 天天操天天插| 婷婷综合伊人| 91久久久久久久久久| 丁香色综合| 丁香五月婷婷性爱| 丁香婷婷五月综合影院| 五月天色丁香| 99热亚洲精品| 人人干人人看| ztEJj| 色婷婷激情| 天天婷婷天天| 九九热在线观看视频| 91狠狠色| 天天干天天av天天射| 六月久久婷婷| 国产伦理精品高清在线观看网站一区二区 | 操97| a级毛片一区二区免费视频| 百度4399有码精品V在线观看 | 亚洲成av人影院| 久久天堂婷婷五月| 安息电影在线观看完整版| 26UUU欧美| 五月天开心网| 黄色毛片精品| 色综合开心五月深爱五月| 超碰爱爱爱| 亚洲综合五月天婷婷丁香| 99人人操| 亚洲色模骚货| 风流少妇A片一区二区蜜桃| 九九热精品99| 六月丁香社区| 精品国产AV色一区二区深夜久久 | 色婷丁香91| 欧美噜噜噜草| av在线观看网站| 99热 日韩| 久久小视频免费| 亚洲色优| 碰久久精品w| 5月丁香综合网| 99热这里都是精品| 国模狼狼| 五月丁香婷中文字幕| 爆乳熟妇一区二区三区爆乳照片| 日本不卡一区二区三区| 天天综合色丁香 | 97香蕉久久超级碰碰高清版| 婷婷日| 99热精品观看| 98色花堂98t.R| 这里只有精品视频看看| 欧美搡BBBBB摔BBBBB| 色九区| 色五月激情综合| 99久热在线精品99re6热| 深爱婷婷色| 色吧五月婷婷| 九九热视频精品2| 五月丁香啪啪网| 超碰在线免费9| 亚洲综合另类| 色色色色色色色色色色色色色97| 成人片久久网站| 九九综合久久| 日本一毛片| 久婷婷婷| 婷婷在线免费| 亭亭玉月丁香| 激情深爱婷婷网| 久久婷婷五月天| 99激| 激情综合五月| 九九在线免费观看| 五月天婷婷色综合| 思思热视频在线观看| 99热日本精品| 婷婷丁香六月天| 五月天激情啪啪| 伊人网碰碰| 色欲色香,www,com| 五月丁香网站| 丁香五月天堂| 一本大道嫩草AV无码专区| 韩国情人在线电视剧免费观看高清版全集 | 五月婷婷AV| 成人精品一区二区三区四区五区 | 《诡秘之主》在线观看 | 91狠狠综合久久久久久| 亚洲99视频| 色婷大香蕉| 色婷久九| 五月香蕉婷婷| 嫩草视频。| 日韩在线视频网站| 99热在线爱| 成人免费黄色短视频| 色婷婷综合视频| 丁香六月婷婷综合激情欧美| 五月综合久久| 色青青五月| 碰碰碰97免费精彩视频| 色五月婷婷丁香五月| 五月丁香婷庭在线| 激情床戏| 五月J香蕉婷婷| 99热这里只有精品3| 久久婷婷五月丁香蜜桃网| 色爱终和网| 99热在线里有精品| 99热综合色图| 色婷婷五月综合| 五月亭亭直播| 欧美婷婷五月激情| 婷婷性爱视频在线| 五月天激情网站| 丁香五月婷婷网| 2020久久婷婷五月| 九九综合色综合| 久久R激情| 五月天婷婷视频| 婷婷五月天激情基地| 五月花综合| 精品99*| 亚洲婷婷欧美婷婷| 色高清无码视频| 中文字幕视频在线播放| AV在线免费观看不卡| 日本五月婷| 色丁香久综合在线久综合在线观看| 中文字幕在线日亚洲9| 亚洲人成网站999综合| 日本99视频| 综合色色婷婷| 五夜丁香| 五月天色区| 丁香色啪综合| 五月丁香六月久久| 人妻激情在线| 婷婷中文字幕网| 丁香五月欧美婷婷| 99网| 五月婷在线| 丁香色五月天| 99热这里| 99啪| 超碰激情网| 久久久噜噜噜久久人妻| 五月丁香成人版| 婷婷五月天无码视频| 日韩精品一品二区三区的使用体验| 亚洲正能量欧美| 五月J香蕉婷婷| 最近中文字幕2019视频1| 天天插天天干| 开心五月色婷婷综合开心网| 狠狠色丁香| www婷婷| 97碰久久| 久久曰曰| 色狠狠综合| 热99这就是精品视频| 亚洲1区| 婷婷丁香人妻久久在线观看| 丁香五月天AV在线| 亚洲网站在线鸭子av| 99婷婷五月天| 天干天天干天天天天天| 五月天婷婷伊人| 婷婷五月天亚洲图片| 五月婷在线视频免费播放| 婷婷五月天成人综合网| 五月天婷婷伊人| 激情五月婷婷啪啪| 国产精品视频久久99| 国产欧洲欧洲精品久久| 久久大香蕉同僚| 五月天色婷婷综合| 色九区| 激情文学综合婷婷五月天丁香花| 五月丁香六月婷婷亚洲综合| 好好干Av| 国内在线99视频| 日本99热| 99久久精品国产色欲| 婷婷亚州综合| 婷婷射图| 久久这有这里精品| 五月婷婷在线观看| 九九这里只有精品| 人妻久久人妻久久第一区| 久热黄色| 极品人妻VIDEOSSS人妻| 91性交在线播放| 亚洲激情| 五月天无码| 婷婷五日b| 丁香五月天天高清在线| 91凹凸在线| 国产成人精品亚洲线观看| 亚洲无码猫咪| 久久99热只有精品| 五月天色社区| 97在线精品| 91在线人| 天天日天天草| 五月婷丁香花| 亚洲 在线 另类| 情情五月天色| 久久中国毛毛片爱久久| 激情五月丁香五月| AV国产有码| 久久婷婷综合拍| av色色国产| 九九无码| 五婷婷六月合| 丁香五月天网站| 久啪欧美| 丁香五月婷婷免费视频| 人人草人人爱| 婷婷五月天综合久久| 欧美熟妇一区二区三区| 亚洲色色香蕉| AV网址大全在| 丁香五月社区| 色天堂在线| 亚洲综合在线播放| ji'qi'luan'ren'lun| 香蕉婷婷| 女同在线9| 精品一二三区久久AAA片| 久综合九综合99| 色综合色五月| 日都一级A片| 色婷婷五月网| 九九热精品| 婷婷丁香人妻天久久| 丁香 久久| 色开心五月婷婷丁香HD| 99热这里只有精品热| 99久久久久| 成人在线综合| 激情婷婷久久| 婷婷五月丁香A∨| 久久免费婷婷视频| 婷婷丁香久久网| 丁香五月激情视频在线| 丁香五月影院| www.99在线| 天天影院色| 人碰人人人玩91| 激情五月六月婷婷综合啪啪| 免费视频WWW在线观看网站| 激情骚五月| 婷婷五月天精品| 日本在线观看91| 婷婷色丁香六月| 九热视频在线伦| 婷婷干五月综合在线播放| 五月天亚洲最大成人| 亚洲成人在线在线| 色婷婷六月综合| 欧美激情综合色综合啪啪五月| 国产精品人妻在线网址| 婷婷丁香五月亚洲综合网在线视频观看| 开心婷婷五月| 色婷婷婷婷成人网| 热99视频精品在线| 成人婷婷五月| 538在线精品| 九九碰九九爱97超碰| 丁香五月天在线| WWW.99热| 久久一级AV| 先锋av性爱成人电影| 五月丁香成人小说| 极品五月天| 久草狼人| 色五月综合网| 天天干夜夜想| 美女100%露全身无挡网站| 久久婷婷五月天激情新地址| 久久人妻www| 国产ava| 九月婷婷| 五月婷婷性| 五月丁香无码| 国产在线aaa片一区二区99| 狠狠五月综合在线| 色在线99| 色综合久| 五月丁香婷庭在线| 2017狠狠干| 国产美女无遮挡裸体毛片A片| 丁香六月婷婷综合啪啪| 91操熟女| 欧美色必爱| 色色色999| 丁香六月婷婷缴情欧美| 五月婷在线影院| 激情五月天综合网| 婷婷五月激情图片| 99'无码| 亚洲激情视频网| 婷婷五月中文字幕国产| 伍月婷婷六月丁香| 泰州成人视频| 日本在线播放97| 日韩成人电影在线播放| 亚洲va日| 丁香五月婷婷激情123| www.av骚货| www.婷婷五月天.com| 激情小说五月天| 午夜婷婷久久| 玖玖在线资源视频| 丁香五月天激情小说| 丁香婷婷六月激情| 亚洲综合激| 这里只有精品99www| 亚洲免费在线观看岛国| 日日.c| 九色色| 五月天婷婷色播在线网| 婷婷丁香成人五月天| 婷婷色av| 草榴视频网| 97色精品视频| 丁香五月天堂网| pom538精品视频| 亚洲天堂aaa| 欧美97p| 天天人人综合| 五月婷婷九九久久| 婷婷酒色网| 欧美 色婷婷| BBWCUCKOLD精品熟妇| 天天肏夜夜肏| 日日干天天射| 大香蕉五月婷婷| 五月丁香婷婷综合视频| 五月天婷婷丁香六月| 婷婷五月免费在线| 婷婷丁香五月激情中文字幕版| 婷婷六月激情小说网| 久久五月视频| 天天做天天爱天天搞| 九九青草热| 五月丁香亭亭操逼| 国产精品电| 国产又爽又猛又粗的视频A片| 五月天狠狠色| 婷婷五月天干干| 婷婷射综合| 久久99免费视频| 成人婷婷色五月天| 色情五月丁香| 熟女国产在线一区二区三区四区| 婷婷伊人激情婷婷| 九九久久五月天| 激情综合在线播放| 婷婷五月精品中文字幕| 色婷视频| 97人人搞| 婷婷六月伊人| 色色五月婷婷| www,色婷婷| 五月天激情无码专区| 色色色色网站| 99热久草| 色了色综合| 色无码| 婷婷视频在线碰| 4399在线观看免费高清毛片| 婷婷的五月天另类视频| 丁香五月婷婷总啪啪| 五月天综合在线| 99成人| 人人爱操| 色综合色色色色色色综合| 97超碰在线观看免费| 91网站黄| 草草视频91| 婷香五月激情视频| 狠狠爱深色婷婷综合| 中文字幕按摩做爰| 一级黄在线| 国产看真人毛片爱做A片| 大香蕉丁香五月| 五月天婷婷色播| 欧美色五月| 99在线综合视频| 影音先锋一区二区三区| 五月丁香六月婷婷综合免| 五月婷婷综合在线视频小说| 色婷婷综合影院| 色久丁香五| 天天色综合网1| 欧美视频五区| 超碰9799| 婷婷色情网| 欧美毛片www| 超碰女人天堂| 亚洲av电影网站| 婷婷,五月天,丁香,第一| 婷婷色五月情| 亚洲色99| 任你干嘛免费视频播放| 丁香婷婷免费| 日韩AV片| 丁香婷婷老司机久操| 五月天日日操夜夜操 | 五月天婷婷色播| 久操激情| 伊人久久大香线蕉综合网站| 狠狠色综合777| 大香蕉婷婷| www.婷婷.com| 天天日天天干天天天| 开心婷婷五月中文字幕组| 色婷婷在线电影| 欧美xx激情视频在线观看| 中文字幕在线播放视频| 日本精品人妻无码77777| 天天色综合网1| 91婷婷色| 97碰碰碰免费公开在线视频| 丁香五月五月婷婷| 99热18| 亚洲三A| 久久色情| 丁香桃色网| 99热99成人| 影音先锋综合网| 性爱久久| 九九色99| 色99自拍| 五月久久亚洲| 久久伊人五月天| 91热久| 国产精品涩涩涩视频网站| 色综合久久五月| www.婷婷| 亚洲小说欧美激情| 五月深情久久| 五月丁香综合激情| 综合色在线| 色婷婷婷av| 99精品久久久| 一本九九色| 26UUU欧美| 在线免费观看激情视频| 久久机热/这里只有精品| 色婷久| 欧美婷婷五月丁香| 九九久久综合| 97色久| 丁香婷婷色九月| 日本一道久久| 丁香六月啪啪| 欧美黑人巨大猛烈cuckold| 日韩av变天就操逼不卡区| 伊人丁香五月| 99热99日天天干| 五月 成人 婷婷| 99热99在线| 五月天社区婷婷| 色色色热| 色情综合网| 丁香性爱在线视频| 久久久精品人妻| 丁香婷婷激情综合五月激情| 日韩一级一片内射视频4K| www.com五月天| 97人人操人人爽| 色婷婷伊人激情在线观看| 欧美五月婷婷| 99色综合网| 91啦丨九色丨刺激中文| 色色色色色色色色五月先| 丁香婷婷激情五月色| 岛国午夜视频| 综合色色网| 色99视频| 99热精国产这里只有精品| 性av| 久久五月丁香| 久久五月天婷婷| 欧美日韩aaa| 亚洲九九夜夜| 亚洲色色色| 婷婷五月天久久| 开心五月激情网| 天天干狠狠| 五月丁香啪啪| 国产无套精品一区二区| 五月婷婷大香蕉| 五月亭亭性| 亚洲成人乱码av网站| 婷婷综合伊人丁香| 翔田千里aV中文字幕| 性爱动图国产麻豆一区二区三区| 九月婷婷久久久| 久草五月| 黄网在线播放| 99热乎| 五月丁香色色网| 激情六| 亚洲视频在线观看99| 丁香五月婷婷啪啪| ww亚洲ww在线观看| 日本本土色网第一区| 久久色五月天| 另类图片激情五月| 97日日碰碰| www.henhenl| 色综合九九| 99激情| 婷婷色六月| 夜夜撸日日骑| 五月天激情国产综合AV| 婷婷国产综合| 婷婷五月天久久久| 丁香五月激情棕合| 啪色综合| 婷婷综合一二三| 99人人爽| 伊人五月婷| 天天色中文字幕女优AV| 亚洲成人免费电影| 色五月天电影| 天天色视频| 五月天另类激情在线| 婷婷综合在线| 丁香六月五月天| 激情六月综合| 99热色精品| 91九色在线| 丁香五月激情综合| 婷婷五月天基地| 婷婷五月天小说| 欧美性猛交 XXXX 乱大交| 99热18| 国产婷婷色综合AV蜜臀AV | 一月婷婷色色| 久久东京热婷婷五月| 新97人人上人人| 久久激情网| 亚洲亚洲人成综合网络| 99热99极品观看| 成人美女网| 久久五月网| 极品五月天| 97精品综合久久| 亚洲精品第一国产综合亚AV | 成人精品视频99在线观看免费| 伊人热婷婷| 情色五月天网站| xfplayav在线| 99久久这里只有精品| 婷婷伊人综合| 9久视频| 欧美大奶熟女噜噜噜噜| 色婷婷丁香| 丁香五月激情五月| 91狼友视频网页更新| www,久久久| 99热香港| 99热99极品观看| 日韩乱轮AV| 天天日综合网射| 激情五月婷婷丁香| 日本欧美成人片AAAA| 1234操逼网| 久色中文| 亚洲综合九九| 久久婷婷青青草| 久久激情天堂| 五月天无码| 97干97色| 天天操夜夜肏| 91九色网| Aaa久久| 成人AV网站在线| 操日本色| 婷婷色基地在线看| 伊人玖玖婷婷| 五月天六月天| 婷婷丁香五月亚洲综合网在线视频观看 | 97久久草草超级碰碰碰| 国内婷婷丁香社区在线播放| 久久人妻伦理| 久久精品99国产精品日本| 大香蕉久久婷婷| 深爱激情av| 丁香激情五月| 日韩精品电影| 五月天婷婷丁香视频| 久操大香蕉| 丁香五月黄色| 综合色综合| 欧美日韩成人在线| 婷婷六月色开| nvrentiantang av| www.99精品日操伊人乱碰在线| 欧美欧盟性爱网| 婷婷五月另类网站| 色综合综合综合| 激情影院内射| 婷婷伊人久久| 亚洲熟女色| 日本欧美国产| 97热精品| 99热最新精品| 欧美日本国产欧美日本韩国99 | 五月天婷婷7米| 丁香五月成人丝袜| 免费在线观看欧美激情xx小视频| 婷婷情色五月| 婷婷五月天色| 亚洲第一成人无码A片| 超碰97色| 五月丁香婷婷综合网| 热久久77777| 97婷婷丁香五月天激情图片| 色播综合| 久久久精品色| 五月丁香久久精品在线观看| aaaa久久| 天天色视频| 天堂久久性| 婷婷色5月天在线。| 五月狠狠| 麻豆AV一区二区三区| 96丁香六月婷婷蜜桃综合久久| 色色激情网| 五月丁香婷婷色| 99A片| 色婷婷黄色网络| 丁香六月天婷婷色| 亚洲婷婷激情综合激情999精品| 日本九九九九| WWW.HENHENL.| 六月婷婷五月丁香| 五月婷婷在线免费| 99在线观看视频精品| 99情色五月天| 激情综合网激情五月天| 9久热这里只有精品视频| 婷婷丁香五月色偷偷| 婷婷六月香| 狠狠草狠狠草| 播五月丁香六月| 婷婷激情综合网| 艹B高清无码| 九九99久久| 97人人操| 天天插天天狠| 亚洲影院婷婷色| 国产无人区大片| 婷婷丁香色五月亚洲| www.99riav99| 成年人丁香五月| 精品怡红九九九| 91九色熟女| 免费精品99| WWW.色婷婷.COM| 碰97久久| 久久九色| 婷婷射图五月天| 99久精品| 99色在线视频| 婷婷播5月| 黄色五月婷婷| 午夜无码熟熟妇丰满人妻| 色欲五月婷婷| 色噜噜狠狠色综合成人99| 99热国产免费| 人人人操97| 三级三久久线久久99久目本WW| 激情五月婷婷| 四月丁香五月婷婷久久| 九九精品系列| 五月开心久久| 五月天婷婷亚洲| 9 1超碰九色| 色婷婷精| 丁香五月婷婷啪啪| 色综合久久88色综合天天99| 99久久精品网| 色99亚洲| 丁香五月影视| 丁香五月天天| 五月天婷婷久久视频| 日本九九视频| 婷婷五月亚洲一本在线丁香| 亚洲小说五月婷婷| 九九热这里只有精品23| 99色在线观看视频| 操操熟女| 99热在线观看成人| 亚洲深喉AV| 亚洲视频在线观看| 免费黄色视频网址| 婷婷综合网| 丁香五月欧美激情| 丁香五月影视| 丁香五月婷婷六月丁香| 一起草性爱不卡视频| 思思热久久久在线| 婷婷四色五月| 深爱五月亚洲| 欧美婷婷五月天综合| 开心五月丁香啪| 这里只有免费的精品| 一二三区视频韩国| 久久 这里只有精品1| 欧美色骚婷婷五月天| 欧美日韩大黄| 色婷婷久久综合久色| 熟女乱论网| 色婷婷色情| 天天精品视频在线观看视频| 99综合一区| 五月丁香婷婷成人网| 十一月婷婷激情四射| 五月婷婷天堂| 99热偷拍| 狠狠色婷婷7777久| 欧美成人精品三区综合A片| av操逼网| 超碰2021| 天天网曰日曰夜夜综合永久免费| 99国产精品久久久久久久久久久 | 亚城区在线| 五月天激情啪啪| 丁香六月啪啪| 色九九九综合| 久热这里这里有精品| 婷婷六月激情| 色婷婷导航| 五月婷婷97| 亚洲色9| 玖玖热视频| 亚洲爆乳无码精品AAA片蜜桃| 丝雨一区二区| 东京热免费视频| 99无吗| www.五月丁香| 亚洲AV永久无码影院黑人| 秋霞AV美国| 国产精品久久久99视频| 色久五月| 99综合视频| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 五月丁香大相交| 99视频| 五月丁香色婷基地综合久久| 婷婷五月AA五月在线| 婷婷六月色| www.第四色99| 国产欧美婷婷| 六月丁香六月婷婷欧美| 色情婷婷| 青青草原爱爱网| 熟女乱论网| 99精品国产在热久久婷婷| 这里只有精品1| 第四色色六月色综合| 日本一级特黄大片AAAAA级| 五月丁香色色网| 丁香婷婷激情六月五月开心| 亚洲视频伍月婷婷| 丁香五月欧美午夜视频| 久久综合首页| 思思热99热| www.99操| 欧美精品啪啪| 天天爽曰日爽| 狼人婷婷综合| 先锋影音av色五月天资源站| 丁香五月天社区婷婷| 2020日日干| 五月天激情综合网俺也去| 午夜电影网VA内射| av性爱网站| 色综合色色| 一区二区你懂的| 99色色网| 久久久精品人妻录| 久久99热这里只有精品| 国产人妻777人伦精品HD| 99久久婷婷五月综合| 九九免费在线视频| 五月天综合视频| 97干在线观看| 欧美激情-区二区三区| 人妻丰满精品一区二区A片| 色五月成人| 六月婷婷啪啪| 99年操人人爽| 91九色熟女| 久婷婷婷|