亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于能量和信任的非均勻分簇路由協(xié)議

        2021-04-22 10:06:24劉經(jīng)濤張飛青
        計算機工程與設(shè)計 2021年4期
        關(guān)鍵詞:包率數(shù)據(jù)包信任

        王 軍,劉經(jīng)濤+,張飛青

        (1.沈陽化工大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,遼寧 沈陽 110142;2.中國科學(xué)院 沈陽計算技術(shù)研究所,遼寧 沈陽 110168;3.中國科學(xué)院大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,北京 100049)

        0 引 言

        無線傳感器網(wǎng)絡(luò)技術(shù)在眾多領(lǐng)域均有發(fā)揮,應(yīng)用前景非常廣闊[1]。它由大量傳感器節(jié)點組成,并通過自組織網(wǎng)絡(luò)將采集到的數(shù)據(jù)傳送給用戶,可以解決復(fù)雜的應(yīng)用問題[2]。采用合適的路由協(xié)議能夠有效降低網(wǎng)絡(luò)能耗延長網(wǎng)絡(luò)壽命[3]。

        有關(guān)無線傳感器網(wǎng)絡(luò)安全攻擊,國內(nèi)外都已經(jīng)取得很大進展,但內(nèi)部攻擊仍然是攻克的難點,典型的惡意攻擊有女巫攻擊、蟲洞攻擊、HELLO Flood攻擊等[4]。文獻[5]提出一種動態(tài)信任模型,通過信任關(guān)系的對比、信息的合并、信任傳遞的合理抽象,提出了一種信任更新機制。文獻[6]基于貝葉斯的信任管理機制BTMS,模型采用RFSN計算直接信任值和間接信任值,用時間滑動窗口更新信任值。文獻[7]提出的信任評價模型,通過引入模糊綜合評判模型計算直接信任,并利用控制因子來降低開關(guān)攻擊節(jié)點的信任值域范圍,然后對推薦信任進行過濾與權(quán)重分配,降低惡意節(jié)點對間接信任評估結(jié)果的影響。文獻[8]基于接收信號強度指示二次差值和節(jié)點信任值的雙層檢測方案,基于利用普通節(jié)點的RSSI二次差值是否低于檢測閾值,對攻擊進行檢測。

        在以上的信任模型中,所面對的安全威脅過于狹窄,有的算法信任模型計算復(fù)雜度高,惡意節(jié)點難以識別,不能保證網(wǎng)絡(luò)安全性。本文提出的ETM-LEACH算法,通過更新閾值,更加安全、能量更高的節(jié)點當選簇首,這樣的節(jié)點能夠確保簇結(jié)構(gòu)的安全性和合理性。

        1 LEACH協(xié)議描述

        1.1 LEACH協(xié)議

        LEACH協(xié)議作為典型的層次路由協(xié)議,在無線傳感器網(wǎng)絡(luò)路由協(xié)議中有著重要的地位,協(xié)議采用動態(tài)分簇思想,簇首輪轉(zhuǎn)的傳輸機制,避免單個節(jié)點過度消耗而死亡,延長網(wǎng)絡(luò)生命周期,協(xié)議的拓撲結(jié)構(gòu)如圖1所示。

        圖1 LEACH協(xié)議拓撲圖

        周期開始,每個節(jié)點生成隨機數(shù)u(0

        (1)

        其中,p為網(wǎng)絡(luò)中簇首節(jié)點比例,r表示輪數(shù),G為最近1/p輪內(nèi)未被選為簇首的節(jié)點集合[9]。

        1.2 網(wǎng)絡(luò)模型

        本文的網(wǎng)絡(luò)模型為:N個節(jié)點隨機分布在M*M的正方形內(nèi),網(wǎng)絡(luò)簇首個數(shù)為K[10],同時網(wǎng)絡(luò)具有以下特點:①區(qū)域為規(guī)則圖形,傳感器節(jié)點隨機分布在監(jiān)測區(qū)域;②所 有節(jié)點初始能量相同;③節(jié)點都有自己的唯一標識ID,可以計算自己的剩余能量并對冗余數(shù)據(jù)進行融合;④網(wǎng)絡(luò)節(jié)點隨機部署后不可移動;⑤基站能量是無限的。

        1.3 能耗模型

        本文使用的能耗模型是一階無線電能耗模型[11],如圖2所示。

        圖2 一階無線電能耗模型

        因為數(shù)據(jù)采集和簇首節(jié)點都是周期性的,因此需要計算節(jié)點每一周期內(nèi)的能量消耗,在距離s的路徑中傳輸xbit能量消耗模型如下公式

        (2)

        在接收xbit所消耗的能量公式如下

        Erx=x×Ee

        (3)

        其中,εfs代表自由空間模型系數(shù)與εamp代表多路徑衰退空間模型系數(shù),Ee是發(fā)送和接收單元數(shù)據(jù)的能耗,x是傳輸數(shù)據(jù)的帶寬;Etx和Erx分別代表傳輸數(shù)據(jù)和接受數(shù)據(jù)的能量消耗。s是節(jié)點之間的距離;當距離sS0時,用多路徑衰退空間系數(shù)與距離四次方成正比。S0是傳輸距離的閾值,公式如下

        (4)

        2 ETM-LEACH協(xié)議算法描述

        2.1 動態(tài)簇首數(shù)

        簇首數(shù)目對無線傳感器網(wǎng)絡(luò)的生存周期有著很關(guān)鍵的作用,簇首數(shù)過少,節(jié)點會直接與基站通信,這樣會加速遠距離節(jié)點的死亡,簇首數(shù)過多,因為簇首要轉(zhuǎn)發(fā)普通節(jié)點的數(shù)據(jù)所以會加速簇首節(jié)點死亡。文獻[12]中最佳簇首數(shù)為公式

        (5)

        很顯然式(5)最優(yōu)簇首數(shù)目K是一個靜態(tài)值,隨著網(wǎng)絡(luò)周期運行,節(jié)點會不斷死亡,N會不斷減小,所以靜態(tài)最優(yōu)簇首數(shù)并不適合網(wǎng)絡(luò),式(5)無法滿足需求,本文則提出動態(tài)簇首數(shù),讓簇首數(shù)目隨著網(wǎng)絡(luò)節(jié)點的死亡而動態(tài)變化,維持網(wǎng)絡(luò)穩(wěn)定性,引入節(jié)點的死亡變化率θ,其公式如下

        (6)

        其中,Tend和Tstart分別代表網(wǎng)絡(luò)的死亡周期和第一個節(jié)點死亡周期,所以用式(6)θ代表節(jié)點的死亡率,得到動態(tài)簇首數(shù)目如下所示

        (7)

        其中,Tcurr表示當前節(jié)點的周期。

        根據(jù)最優(yōu)簇首數(shù)得到,簇首最優(yōu)百分比為Popt,公式如下

        (8)

        根據(jù)式(7)和式(8)我們可以得出最優(yōu)的動態(tài)簇首數(shù)和簇首百分比,這樣在網(wǎng)絡(luò)中可以避免因選舉簇首過多造成簇首節(jié)點能量浪費和簇首數(shù)過少,傳輸距離過長帶來的能量損耗。

        2.2 能量因子

        網(wǎng)絡(luò)部署時節(jié)點初始能量是相同的[13]。但隨著網(wǎng)絡(luò)進行,有的節(jié)點當選簇首節(jié)點,由于簇首節(jié)點需要轉(zhuǎn)發(fā)大量數(shù)據(jù),能量消耗較快,會加快節(jié)點死亡,所以若選擇能量較低節(jié)點當選簇首,反而不利于網(wǎng)絡(luò)周期的運行,所以本節(jié)從能量角度分析問題,引入相對偏差值過濾能量,加入能量變化率作為考量因素:

        (1)節(jié)點剩余能量越多,應(yīng)承擔更多處理數(shù)據(jù)的任務(wù),成為簇首概率就越大;

        (2)能耗變化率越小,說明上一輪開始到本輪開始的周期內(nèi),節(jié)點任務(wù)量少,那么本輪應(yīng)該承擔更大的任務(wù)量,成為簇首概率加大。

        用絕對偏差過濾掉能量低的節(jié)點當選簇首概率,計算公式如下

        (9)

        Ei是本輪節(jié)點剩余能量,Eavg是存活節(jié)點的平均能量,Epre是上一輪開始前節(jié)點能量,E0是節(jié)點初始能量

        (10)

        由上式我們看出,選擇節(jié)點時,選舉節(jié)點剩余能量大于平均能量的節(jié)點當選簇首,并且降低能量較低節(jié)點當選簇首,同時加入兩輪節(jié)點的能量差值作為考量因素,會讓上一輪能量消耗較少的節(jié)點優(yōu)先在本輪當選簇首。能量更高節(jié)點當選簇首,會讓網(wǎng)絡(luò)通信變得更加高效。

        2.3 密度因子

        密度因子的概念是表示在最大通信范圍R內(nèi)節(jié)點附近的鄰居節(jié)點數(shù)和簇首節(jié)點數(shù)量比值。密度因子越大,說明鄰居節(jié)點數(shù)越多,區(qū)域內(nèi)節(jié)點密集,則該節(jié)點更有機會當選簇首節(jié)點。密度因子小說明鄰居節(jié)點數(shù)少,節(jié)點周圍相對稀疏,則當選簇首節(jié)點概率較小,鄰居節(jié)點表示的是在最大的通信半徑內(nèi)存活節(jié)點個數(shù),鄰居節(jié)點集合如下

        Nnegb={I|dij≤Rmax,I∈N}

        (11)

        在M*M的覆蓋面積內(nèi),每個簇理想通訊半徑R

        πR2NPopt=M×M

        (12)

        密度因子表示在每個簇的理想通信半徑內(nèi)鄰接點數(shù)與實際節(jié)點數(shù)比值計算如下

        (13)

        由以上公式得出結(jié)論,在理想通信半徑范圍內(nèi),鄰居節(jié)點數(shù)和簇內(nèi)節(jié)點數(shù)對比,可以讓我們清晰地考量節(jié)點密度大小,若鄰居節(jié)點數(shù)過多,說明該區(qū)域內(nèi)節(jié)點相對密集,當選簇首概率增加,轉(zhuǎn)發(fā)數(shù)據(jù)時距離較短。相反,節(jié)點密度小,區(qū)域內(nèi)稀疏分布,當選簇首概率降低,會避免遠距離傳輸造成的能量浪費,密度因子可以有效地解決節(jié)點基站中心化和節(jié)點邊緣化問題,優(yōu)先解決熱區(qū)問題,減少能耗損失,延長網(wǎng)絡(luò)生命周期。

        2.4 信任因子

        信任值取決于主體對客體檢測和鄰接點推薦,并隨著周期的不同信任值也不同,一旦當選的簇首節(jié)點是惡意節(jié)點,數(shù)據(jù)融合后會造成數(shù)據(jù)的丟失和篡改,不僅造成能量的浪費還會使網(wǎng)絡(luò)系統(tǒng)癱瘓,本節(jié)針對信任模型從直接信任值和間接信任值綜合分析節(jié)點信任值,在遭受安全攻擊時能夠有效識別惡意節(jié)點,拒絕與之通信。讓當選的簇首節(jié)點是安全高效的節(jié)點。

        2.4.1 出入度因子

        針對“量”的問題,我們引入出入度因子(in and out factor)作為考量,無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議中,節(jié)點不與基站進行直接通信,所以需要采用單跳與多跳參與數(shù)據(jù)傳輸,通過觀察節(jié)點接收數(shù)據(jù)量和轉(zhuǎn)發(fā)數(shù)據(jù)量比值作為參考因素,觀測主體i在t時刻對觀測客體j的數(shù)據(jù)包出入度來判別節(jié)點安全性,預(yù)先設(shè)定一個閾值,如數(shù)據(jù)包丟失過大,此值高于閾值,則判定該節(jié)點可能存在黑洞攻擊或者選擇性轉(zhuǎn)發(fā)等惡意攻擊行為,反之,丟失數(shù)據(jù)包在閾值之內(nèi),可能是通信質(zhì)量造成的丟包行為,公式如下

        (14)

        其中,SP是轉(zhuǎn)發(fā)數(shù)據(jù)包數(shù)量,RP是接受數(shù)據(jù)包數(shù)量。

        2.4.2 相關(guān)性因子

        在考慮數(shù)據(jù)量的同時,我們不能對數(shù)據(jù)的質(zhì)忽視,所以引入相關(guān)新因子(pertinence factor),例如女巫攻擊和蟲洞攻擊,它們會將接收的數(shù)據(jù)進行篡改然后發(fā)送到下一跳節(jié)點,在量上滿足需求,但發(fā)送的數(shù)據(jù)是被惡意節(jié)點攻擊后隨意篡改的垃圾數(shù)據(jù),往往和接收的數(shù)據(jù)毫無相關(guān)性,所以提出相關(guān)性針對‘質(zhì)’的考量,讓接收的數(shù)據(jù)和發(fā)送的數(shù)據(jù)有一定的相關(guān)性,相關(guān)性越高則安全系數(shù)越高。檢測主體i將自己發(fā)送的數(shù)據(jù)包和檢測客體j發(fā)送的數(shù)據(jù)包相比較如下

        (15)

        其中,PP代表t時刻i和鄰接點j數(shù)據(jù)包發(fā)送相同數(shù)據(jù)包數(shù)量,NPP代表數(shù)據(jù)量非相關(guān)。

        2.4.3 差異性因子

        在不同的周期內(nèi),節(jié)點檢測數(shù)據(jù)因時間不同而有一定差異性,即使相似但不會相同,引入差異性因子(diffe-rence factor),某節(jié)點在t時刻如果反復(fù)發(fā)送的數(shù)據(jù)包內(nèi)容相同,可認為該節(jié)點在進行重放攻擊,惡意節(jié)點會在不同周期內(nèi)反復(fù)發(fā)送同樣的數(shù)據(jù)。通過鄰節(jié)點進行檢測,提高數(shù)據(jù)采集的有效性。將重復(fù)性高的節(jié)點降低信任值公式如下

        (16)

        其中,DP為t時刻數(shù)據(jù)包內(nèi)容重復(fù)的數(shù)據(jù)數(shù)量,NDP為同時刻數(shù)據(jù)包差異的數(shù)據(jù)包數(shù)量。

        2.5 信任模型

        在節(jié)點信任值計算中,采用節(jié)點直接信任值和間接信任值相結(jié)合的方法。檢測主體i對檢測客體j的信任值評估包括節(jié)點i直接檢測的結(jié)果DTN,以及通過i和j共同的鄰居節(jié)點N1,N2……N檢測的間接信任值ITN,整合后根據(jù)權(quán)重計算出最終信任值FTN。

        2.5.1 直接信任值計算

        根據(jù)檢測主體i和檢測客體j之間直接通信,計算評估客體j的直接信任值,根據(jù)以上的出入度因子、相關(guān)性因子、差異性因子根據(jù)分配權(quán)重不同計算出t時刻直接信任值DTN公式如下

        (17)

        其中,α1,α2,α3是分配的權(quán)重,權(quán)重相加為1。

        2.5.2 間接信任值計算

        先計算檢測主體i對鄰接點N1,N2……N的直接信任值,在計算鄰接點N1,N2……N對檢測客體j的直接信任值,進而計算出i通過鄰接點N1對j的間接信任值

        (18)

        節(jié)點N1是i,j的共同臨界點,主體i對客體j的信任關(guān)系如圖3所示。

        圖3 主體i對客體j的信任關(guān)系

        2.5.3 離散程度

        如圖3所示,檢測客體j可能有多個間接信任值,這樣會增加計算使復(fù)雜度變大,反而不利于網(wǎng)絡(luò)。采用均方差計算離散程度公式

        (19)

        其中,S表示偏離程度,通過均方差過濾數(shù)據(jù),當計算的間接信任值偏差過多,說明相比平均間接信任值離散程度大,則可能出現(xiàn)相鄰接點存在惡意節(jié)點的推薦,強行提高間接信任值高度,從安全角度看,將偏離過高的節(jié)點刪除,將離散程度在閾值范圍內(nèi)的節(jié)點保留。

        2.5.4 節(jié)點最終信任值

        假設(shè)剩余間接信任值個數(shù)是K,則檢測主體i對評估檢測j的綜合信任值FTN,即為最終的信任因子

        (20)

        3 ETM-LEACH算法的簇首選舉

        根據(jù)式(7)計算出最優(yōu)簇首數(shù)后,引入能量因子、密度因子、信任因子后計算得到新的閾值,新的閾值計算如下

        (21)

        其中,β1,β2,β3,權(quán)值相加為1。

        新的閾值公式代表當選簇首的節(jié)點必須能量高于平均值而且兩輪能量差值越小越好,在密度大的地方有更大的概率當選簇首節(jié)點可以避免基站中心化和節(jié)點邊緣化,同時根據(jù)節(jié)點i對j的信任檢測,加入直接信任值和間接信任值綜合考量節(jié)點信任值,抵抗例如重放攻擊、黑洞攻擊、蟲洞攻擊、女巫攻擊等輕量型攻擊,避免當選簇首節(jié)點因為是惡意節(jié)點造成數(shù)據(jù)丟失和能量浪費。確保當選簇首的節(jié)點是能量高、距離適中、安全系數(shù)高的節(jié)點。

        EMT-LEACH采用輪作為周期循環(huán)標志,在每個周期到來,需要重新選舉簇首,EMT-LEACH算法偽代碼見表1。

        表1 EMT-LEACH算法偽代碼

        EMT-LEACH算法流程如圖4所示。

        圖4 ETM-LEACH算法流程

        4 仿真分析

        使用matlab仿真軟件對傳統(tǒng)的LEACH協(xié)議和本文的閾值優(yōu)化的ETM-LEACH協(xié)議進行仿真對比,參數(shù)設(shè)置見表2。

        表2 參數(shù)設(shè)置

        4.1 存活節(jié)點數(shù)

        存活節(jié)點數(shù)對比如圖5所示。

        圖5 兩種算法存活節(jié)點數(shù)對比

        如圖5所示,LEACH協(xié)議在300輪-500輪節(jié)點開始快速死亡,首節(jié)點死亡周期大概在100輪左右,在600輪左右節(jié)點全部死亡,生命周期結(jié)束,相反本文提出的ETM-LEACH算法,首節(jié)點死亡在300輪左右,500輪-700輪開始死亡周期加快,在1000輪時仍有近1/4節(jié)點存活。所以本算法相比較LEACH,有效地延長了網(wǎng)絡(luò)的生存周期。

        4.2 節(jié)點能耗圖

        節(jié)點剩余能量對比如圖6所示。

        圖6 剩余能量對比

        如圖6所示,LEACH協(xié)議在前200輪節(jié)點能量消耗較快,說明在前期節(jié)點能量在選舉中可能存在熱區(qū)或節(jié)點邊緣化導(dǎo)致能量變化率快,在200輪時已經(jīng)近一半的能量被消耗,在600輪左右節(jié)點剩余能量為零,本文算法ETM-LEACH,在300輪-600輪能量變化率較大,在600輪仍有0.25 J剩余能量,在1000輪是任由0.13 J左右的剩余能量,以上表明在能耗利用率和平衡節(jié)點能耗上本文算法優(yōu)于LEACH算法。

        4.3 惡意節(jié)點導(dǎo)致丟包率

        惡意節(jié)點與丟包率對比如圖7所示。

        圖7 惡意節(jié)點與丟包率對比

        如圖7所示,我們給網(wǎng)絡(luò)進行攻擊,惡意節(jié)點數(shù)分別是0個-8個,觀察兩種協(xié)議丟包率的百分比,從圖中可知,沒有惡意節(jié)點時因為延遲和通信質(zhì)量問題LEACH協(xié)議和本文協(xié)議都有一定的丟包率,大概在1.5%左右,對于LEACH協(xié)議在惡意節(jié)點為4之前,丟包率變化緩慢,在惡意節(jié)點大于4之后,丟包率呈直線變化迅速增加,當惡意節(jié)點數(shù)為8時,丟包率達到9%,說明隨著惡意節(jié)點數(shù)增加,LEACH沒有安全保護下,節(jié)點丟包率線性增加,相比較本文協(xié)議,加入安全作為考量,當惡意節(jié)點增加時,丟包率緩慢變化,惡意節(jié)點數(shù)為8時,丟包率僅為4%左右,說明本協(xié)議能夠識別惡意節(jié)點并拒絕與之通信,全網(wǎng)廣播后,由于文藝節(jié)點信任值太低,惡意節(jié)點被所有節(jié)點孤立,避免與之通信,本文算法相比LEACH協(xié)議安全性提高很多,能夠自適應(yīng)網(wǎng)絡(luò)并主動識別惡意節(jié)點,確保網(wǎng)絡(luò)數(shù)據(jù)安全傳輸。

        4.4 數(shù)據(jù)包傳輸量

        惡意節(jié)點攻擊下數(shù)量變化對比如圖8所示。

        圖8 5個惡意節(jié)點攻擊下數(shù)據(jù)量變化

        如圖8所示,在100輪-300輪對網(wǎng)絡(luò)施加5個惡意節(jié)點進行網(wǎng)絡(luò)攻擊,在開始階段數(shù)據(jù)包傳輸量為零,在前100輪內(nèi),沒有安全攻擊下,網(wǎng)絡(luò)正常傳輸數(shù)據(jù),接下來200個周期內(nèi)開始進行網(wǎng)絡(luò)攻擊,LEACH沒有引入信任因子情況下,惡意節(jié)點當選簇首概率增加,將收集的接點隨意丟棄,導(dǎo)致數(shù)據(jù)丟失,數(shù)據(jù)傳輸量緩慢變化,網(wǎng)絡(luò)數(shù)據(jù)量傳輸受到很大影響,而ETM-LEACH算法引入信任因子后,能夠快速識別出惡意節(jié)點并且拒絕與之通信。避免惡意節(jié)點當選簇首造成的惡意丟包現(xiàn)象,所以數(shù)據(jù)傳輸量仍線性增加,結(jié)果表明本算法在抵抗安全攻擊上比LEACH明顯提升,即使在安全攻擊下仍能保證數(shù)據(jù)的傳輸。

        5 結(jié)束語

        本文提出的ETM-LEACH算法,綜合考慮了最優(yōu)簇首數(shù)、節(jié)點的剩余能量、鄰接點密度和信任模型中信任因子。最后在影響因子前加上權(quán)重,可以方便在不同環(huán)境下進行不同的分析。通過在matlab下進行仿真分析,EMT-LEACH算法相比較LEACH算法無論是在節(jié)點存活率、能耗利用率和丟包率都有良好的改進,面對惡意攻擊時有更好的自適應(yīng)性,能夠識別惡意節(jié)點,避免因惡意攻擊造成的數(shù)據(jù)包大量丟失現(xiàn)象,該算法使簇首選舉更加合理,均衡了簇間能耗,提高節(jié)點利用率,延長網(wǎng)絡(luò)生命周期。

        猜你喜歡
        包率數(shù)據(jù)包信任
        支持向量機的船舶網(wǎng)絡(luò)丟包率預(yù)測數(shù)學(xué)模型
        一種基于噴泉碼的異構(gòu)網(wǎng)絡(luò)發(fā)包算法*
        表示信任
        SmartSniff
        一種新的VANET網(wǎng)絡(luò)鏈路丟包率估計算法
        嚶嚶嚶,人與人的信任在哪里……
        桃之夭夭B(2017年2期)2017-02-24 17:32:43
        從生到死有多遠
        TCN 協(xié)議分析裝置丟包率研究
        信任
        基于Libpcap的網(wǎng)絡(luò)數(shù)據(jù)包捕獲器的設(shè)計與實現(xiàn)
        国产精品丝袜美腿诱惑| 精品熟女日韩中文十区| 不卡高清av手机在线观看| 日本av在线精品视频| 91精品国产免费久久久久久青草| 女优av福利在线观看| 亚洲免费一区二区av| 2021亚洲国产精品无码| 久久亚洲色www成人欧美| 国产精品流白浆喷水| 日韩av在线免费观看不卡| 久久精品国产亚洲超碰av| 成人久久久久久久久久久| 国产原创精品视频| 亚洲精品视频一区二区三区四区 | 国产精品天干天干| 国产乱人伦av在线a| 亚洲欧美日韩高清一区二区三区| 国产三级av在线精品| 人妻少妇久久中文字幕| 无码人妻品一区二区三区精99| 狠狠色丁香婷婷久久综合2021 | 精品9e精品视频在线观看| 国产免费一级高清淫日本片| 日本精品久久中文字幕| 国产免费av手机在线观看片| 亚洲一区二区三区中文字幂| 国产精品亚洲午夜不卡| 中文字幕视频一区懂色| 97人伦影院a级毛片| 比比资源先锋影音网| 亚洲AV无码久久久一区二不卡| 亚洲欧美日本人成在线观看| 亚洲无毛成人在线视频| 欧美精品亚洲精品日韩专区| 二区三区视频| 亚洲最稳定资源在线观看| 精品一区二区三区人妻久久福利| 亚洲精品无码不卡| 亚洲高潮喷水无码av电影| 亚洲区精选网址|