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Prim的物聯(lián)網(wǎng)安全數(shù)據(jù)融合信譽(yù)度模型

        2022-07-20 02:16:02韋曉敏彭燦華
        計(jì)算機(jī)仿真 2022年6期
        關(guān)鍵詞:信譽(yù)度聯(lián)網(wǎng)傳輸

        韋曉敏,彭燦華

        (桂林電子科技大學(xué)信息科技學(xué)院,廣西 桂林 541004)

        1 引言

        物聯(lián)網(wǎng)是多網(wǎng)異構(gòu)的融合網(wǎng)絡(luò),作為我國(guó)通信行業(yè)第三次革命產(chǎn)物,多年來一直向IT行業(yè)發(fā)展構(gòu)建安心、安全、舒適的社會(huì)基礎(chǔ)設(shè)施。物聯(lián)網(wǎng)不是尖銳科學(xué),當(dāng)無法完全掌握某個(gè)方面信息時(shí),確保安全就會(huì)變得異常復(fù)雜。同時(shí),隨著我國(guó)人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)的不斷突破,特別是5G技術(shù)的商業(yè)推廣實(shí)現(xiàn),安全物聯(lián)網(wǎng)在自然資源、住建、交通、水利、能源等領(lǐng)域的價(jià)值越來越得到政府和公眾的認(rèn)可。如果物聯(lián)網(wǎng)數(shù)據(jù)被盜用,其中的安全隱患非常大。大部分物聯(lián)網(wǎng)數(shù)據(jù)都能給攻擊者提供很大的參考值,并利用獲取到的數(shù)據(jù)信息逐步滲透到整個(gè)網(wǎng)絡(luò),如果網(wǎng)絡(luò)沒有被有效保護(hù)或者精準(zhǔn)分段,系統(tǒng)中的敏感信息如音頻、視頻等都可以通過入侵物聯(lián)網(wǎng)盜取出去,可能還會(huì)為犯罪分子組織提供有價(jià)值的信息來利用,使物聯(lián)網(wǎng)安全受到潛在的威脅。

        針對(duì)上述問題,有相關(guān)學(xué)者提出了物聯(lián)網(wǎng)數(shù)據(jù)安全傳輸方法。文獻(xiàn)[2]提出基于區(qū)塊鏈的物聯(lián)網(wǎng)行為監(jiān)控方法,研究物聯(lián)網(wǎng)的六域模型及區(qū)塊鏈的數(shù)據(jù)格式,通過二者融合框架設(shè)計(jì)物聯(lián)網(wǎng)行為監(jiān)控模型,實(shí)現(xiàn)數(shù)據(jù)傳輸監(jiān)控;文獻(xiàn)[3]提出物聯(lián)網(wǎng)虛假數(shù)據(jù)融合檢測(cè)方法,構(gòu)建數(shù)據(jù)融合模型,檢測(cè)數(shù)據(jù)異常融合結(jié)果,保證物聯(lián)網(wǎng)傳輸安全。在上述方法中,物聯(lián)網(wǎng)初級(jí)節(jié)點(diǎn)收到的信息僅對(duì)上層有效數(shù)據(jù)進(jìn)行匯總,并在傳輸過程中除去無用的數(shù)據(jù),但是融合就是一個(gè)含有弊端的處理過程,給后續(xù)留下了安全隱患。因?yàn)楣舴綍?huì)在物聯(lián)網(wǎng)所覆蓋范圍內(nèi)安插篡改惡意節(jié)點(diǎn)、捕獲安全的合法節(jié)點(diǎn)進(jìn)行攻擊。由于下層節(jié)點(diǎn)不會(huì)保存上層節(jié)點(diǎn)融合前的數(shù)據(jù),即使接收到的數(shù)據(jù)不真實(shí),下層的傳輸節(jié)點(diǎn)也無法發(fā)現(xiàn)。同時(shí)物聯(lián)網(wǎng)的傳輸節(jié)點(diǎn)眾多,傳輸量較大,也無法實(shí)現(xiàn)現(xiàn)有的監(jiān)測(cè)供給。

        針對(duì)上述方法存在的問題,如何在高負(fù)荷任務(wù)量前提下實(shí)現(xiàn)基礎(chǔ)的數(shù)據(jù)信息采集與后期的應(yīng)用時(shí)抵御網(wǎng)絡(luò)攻擊和檢測(cè)物聯(lián)網(wǎng)的安全防范是本文的研究目標(biāo)。一般情況下,為減少數(shù)據(jù)在傳輸過程中被惡意盜用和篡改,主要有以下兩個(gè)途徑;一是原始數(shù)據(jù)在傳輸前添加加密步驟,提高安全性,最大程度保證信息機(jī)密與真實(shí);二是使用Prim相鄰傳輸節(jié)點(diǎn)擁有的相同性對(duì)傳輸數(shù)據(jù)進(jìn)行安全處理,排除任何可疑的惡意數(shù)據(jù)。為了抑制數(shù)據(jù)融合時(shí)的安全隱患,本文運(yùn)用Prim算法對(duì)物聯(lián)網(wǎng)數(shù)據(jù)融合的安全問題構(gòu)建了信譽(yù)度模型,經(jīng)過模型仿真對(duì)比,該模型可精準(zhǔn)評(píng)價(jià)所有節(jié)點(diǎn)信譽(yù)度,杜絕傳輸過程中出現(xiàn)的安全性問題,保證了數(shù)據(jù)的傳輸結(jié)果真實(shí)性、穩(wěn)定性與機(jī)密性。

        2 Prim計(jì)算與圖例分析

        物聯(lián)網(wǎng)的首要目的是準(zhǔn)確地在安全范圍內(nèi)監(jiān)控并感知傳輸節(jié)點(diǎn)數(shù)據(jù)。傳輸性攻擊就可能發(fā)送非原始數(shù)據(jù),使隱私徹底向惡意性攻擊者暴露,導(dǎo)致數(shù)據(jù)融合后結(jié)果不真實(shí)。

        2.1 Prim計(jì)算

        為了防止傳輸節(jié)點(diǎn)被惡意盜取、篡改,本文運(yùn)用Prim算法所得到的最小生成樹來構(gòu)建以數(shù)據(jù)傳輸安全為目的的信譽(yù)度模型。Prim是圖論中一種算法,以路狀圖的空間分布作為前提條件的融合數(shù)據(jù)空間關(guān)系支撐樹搜索方法,基于此算法可構(gòu)成最小生成樹,其算法實(shí)現(xiàn)過程如圖1所示。

        圖1 prim算法實(shí)現(xiàn)過程

        在不同約束的條件下支撐樹可以解決不同問題。支撐樹的約束條件包含度約束,直徑約束等,但是以往的約束條件都是針對(duì)支撐樹本身特征,這些都是被用于在網(wǎng)絡(luò)優(yōu)化和計(jì)算特定問題。

        Prim算法不但包括了連通圖里所有頂點(diǎn),且所有邊的權(quán)值之和亦為最小。

        1)輸入:一個(gè)加權(quán)連通圖,其中頂點(diǎn)集合為

        V

        ,邊集合為

        E

        。2)

        Anew

        °={

        x

        },假設(shè)

        x

        v

        中的某個(gè)起始節(jié)點(diǎn),

        Bnew

        °={},為空。3)反復(fù)操作,直到

        Anew

        °=

        V

        。4)在

        E

        中選取傳輸節(jié)點(diǎn)最小邊<

        Z

        ,

        x

        >其中

        Z

        E

        中的集中節(jié)點(diǎn),而

        x

        不在

        Bnew

        傳輸節(jié)點(diǎn)中,并且

        x

        Bnew

        。5)將

        x

        加入

        Anew

        中、<

        Z

        x

        >邊加入

        Bnew

        中。6)使用

        Anew

        Bnew

        來描述所得到的最小生成樹。

        2.2 圖例解析

        如圖2所示,為上文所述構(gòu)成的數(shù)據(jù)傳輸安全最小生成樹。

        1)節(jié)點(diǎn)

        D

        被假設(shè)為最小生成樹起始點(diǎn);四個(gè)頂點(diǎn)

        A

        B

        、

        E

        F

        與單邊

        D

        相接。頂點(diǎn)

        A

        離頂點(diǎn)

        D

        最近,因此將

        AD

        邊加粗表示。2)距離頂點(diǎn)

        D

        或頂點(diǎn)

        A

        最近點(diǎn);

        B

        D

        為9、距離

        A

        為7、

        E

        為15、

        F

        為6、因此,

        F

        距離

        D

        A

        最近,因此將

        DF

        邊加粗表示。3)距離頂點(diǎn)

        A

        為7的頂點(diǎn)

        B

        被加粗表示。

        根據(jù)上述所述方法,所有頂點(diǎn)均已被選取,圖3中粗線部分即為連通圖的最小生成樹。在此例中,最小生成樹的權(quán)值之和為39。

        圖2 原始加權(quán)連通圖

        圖3 連通圖最小生成樹

        3 Prim算法下數(shù)據(jù)融合信譽(yù)度模型構(gòu)建

        3.1 數(shù)據(jù)融合安全計(jì)算

        物聯(lián)網(wǎng)數(shù)據(jù)通過prim算法將節(jié)點(diǎn)融合計(jì)算,融合過程是將物理上采集鄰近的節(jié)點(diǎn)信息進(jìn)行歸納統(tǒng)計(jì)和理論。通過檢查接收數(shù)據(jù)來判斷各個(gè)節(jié)點(diǎn)的可信度,使每個(gè)融合結(jié)果和信譽(yù)度的評(píng)價(jià)相關(guān)聯(lián),其衡量方法可用節(jié)點(diǎn)的信譽(yù)度來表示,從而更好地決策數(shù)據(jù)融合結(jié)果的不確定性。

        表1所示,假設(shè)惡意傳輸數(shù)據(jù)節(jié)點(diǎn)為

        χ

        ,篡改合法的數(shù)據(jù)節(jié)點(diǎn)為

        λ

        ,數(shù)據(jù)接收頂點(diǎn)為

        z

        ,重新組合成的傳輸節(jié)點(diǎn)為

        k

        ,簇內(nèi)所有節(jié)點(diǎn)能量為

        β

        ,判斷惡意的融合傳輸節(jié)點(diǎn)不被信任時(shí)為

        z

        -

        k

        ,判斷惡意的傳輸節(jié)點(diǎn)可信時(shí)為

        z

        -

        β

        。

        表1 惡意融合節(jié)點(diǎn)判斷

        用θ代表不可信的概率;γ代表融合節(jié)點(diǎn)的錯(cuò)誤結(jié)果;該惡意融合節(jié)點(diǎn)構(gòu)成的正確融合數(shù)據(jù)、不正確的融合數(shù)據(jù)的計(jì)算如式(1)、式(2)所示

        π(0,

        γ

        )=(

        z

        -

        β

        )

        γ

        +

        z

        (1-

        γ

        )=

        z

        -

        βγ

        (1)

        π(1,

        γ

        )=(

        z

        -

        k

        )

        γ

        +(

        z

        -

        k

        )(1-

        γ

        )=

        z

        -

        k

        (2)

        3.2 信譽(yù)度計(jì)算

        為獲得傳輸節(jié)點(diǎn)的信譽(yù)度,根據(jù)式(3)分別把節(jié)點(diǎn)設(shè)為兩個(gè)分組。

        (3)

        式中r代表節(jié)點(diǎn)i的信譽(yù)度,r代表所有r的平均值。G代表信譽(yù)度較高的分組,G代表信譽(yù)度較低的分組。

        信譽(yù)度是所有數(shù)據(jù)在傳輸過程的綜合統(tǒng)計(jì)。在節(jié)點(diǎn)捕獲數(shù)量少時(shí),信譽(yù)度較高的節(jié)點(diǎn)都是合法的,相反,被捕捉節(jié)點(diǎn)因行為異常與綜合系統(tǒng)相沖突,就算其行為可以影響到分組情況,但也不能獲得節(jié)點(diǎn)合法的信譽(yù)度。

        該算法可以有效保證融點(diǎn)在結(jié)合時(shí)可以通過信譽(yù)度較高分組進(jìn)行數(shù)據(jù)的融合,更好地避免信譽(yù)度較低分組的惡意攻擊。并可以作為下一個(gè)數(shù)據(jù)融合節(jié)點(diǎn)的參考依據(jù)。

        3.3 構(gòu)建信譽(yù)度模型

        圖4 數(shù)據(jù)融合安全信譽(yù)度模型

        據(jù)圖4假設(shè)W=(q,w,e,r),其中q和q∈(0.1)分別表示信用度和不信任度的傳輸數(shù)據(jù);其公式w+

        e

        +r=1,q,w,e,r,q∈(0.1)。期望值的概率如式(4)

        A

        (

        m

        )=

        w

        +

        q

        *

        r

        (4)

        所構(gòu)建的模型以處理數(shù)據(jù)傳輸中不確定性的問題,衡量物聯(lián)網(wǎng)中的數(shù)據(jù)融合結(jié)果可信度,使最終的融合結(jié)果能避免惡意攻擊影響。

        物聯(lián)網(wǎng)當(dāng)中可能包含成千上萬的不同傳輸節(jié)點(diǎn),每個(gè)傳輸節(jié)點(diǎn)都能感知其對(duì)應(yīng)的傳輸數(shù)據(jù),但是某個(gè)節(jié)點(diǎn)被篡改也會(huì)扭曲發(fā)布,這時(shí)就可以量化節(jié)點(diǎn)從而來曝光這些信譽(yù)度較差的數(shù)據(jù)節(jié)點(diǎn)。數(shù)據(jù)傳輸?shù)臉?biāo)準(zhǔn)范圍概率為(0.68)也是被稱為理想傳輸節(jié)點(diǎn)(即伯努利分布)。

        伯努利分布是指對(duì)于隨機(jī)變量X有,其表達(dá)參數(shù)為L(zhǎng)(0

        在生活中伯努利頻率可能和實(shí)際不完全一致,特別是在數(shù)據(jù)傳輸結(jié)果經(jīng)常被惡意偽造和篡改時(shí),以信譽(yù)度較高頻率為準(zhǔn),以預(yù)測(cè)和實(shí)際的差異距離表示,這個(gè)距離可以表示該傳輸該節(jié)點(diǎn)的信譽(yù)度,其距離越短所提供的數(shù)據(jù)真實(shí)性越高;相反,該節(jié)點(diǎn)傳輸距離越長(zhǎng),信譽(yù)度就會(huì)越差,不能被信任。

        分散發(fā)布概率假設(shè)為p,另一個(gè)離散分布概率為q。KL為預(yù)測(cè)與實(shí)際差異,那么KL的距離定義為式(5)

        (5)

        令Π=(0,1),0代表在傳輸節(jié)點(diǎn)的范圍外,1代表在傳輸節(jié)點(diǎn)的范圍內(nèi)。考慮在Π上的兩種分布U和u,p和q∈[0,1]分別表示u和y數(shù)據(jù)落在傳輸范圍內(nèi)的概率,因此,u(0)=1-p,u(1)=p,v(0)=1-q,v(1)=q。因此,u和v的KL距離可表示為其式(6)

        (6)

        其公式對(duì)應(yīng)的信譽(yù)度定義為式(7)

        r

        =e-

        D

        (

        u

        ·

        v

        )

        (7)

        該公式證明了傳輸節(jié)點(diǎn)高的信譽(yù)值必須在保證節(jié)點(diǎn)信譽(yù)值的前提下計(jì)算。

        由此可見,傳輸節(jié)點(diǎn)的實(shí)際頻率和預(yù)測(cè)的頻率越接近信譽(yù)度值越高,相反,傳輸節(jié)點(diǎn)的實(shí)際頻率和預(yù)測(cè)的頻率越疏遠(yuǎn)信譽(yù)度值越低,而且伴隨著時(shí)間的交替物聯(lián)網(wǎng)的信譽(yù)度也是推移更新。

        3.4 信譽(yù)度模型評(píng)價(jià)

        當(dāng)模型構(gòu)建得到了數(shù)據(jù)融合結(jié)果和傳輸節(jié)點(diǎn)的信譽(yù)值后,各個(gè)傳輸節(jié)點(diǎn)就能對(duì)其數(shù)據(jù)形成評(píng)價(jià),其融合結(jié)果可以設(shè)為aggr,其結(jié)果形成的評(píng)價(jià)為w={l,k,j,h}。

        其中l(wèi)、k、j分別代表信譽(yù)值大于、等于和小于傳輸節(jié)點(diǎn)的百分比。h代表不信任度,所以這里可以設(shè)為0。因此,數(shù)據(jù)傳輸?shù)娜诤瞎?jié)點(diǎn)對(duì)于結(jié)果aggr的評(píng)價(jià)為式(8)

        E

        (

        w

        )=

        l

        +

        kj

        (8)

        在得到了數(shù)據(jù)融合結(jié)果和評(píng)價(jià)后,該信譽(yù)度模型將對(duì)節(jié)點(diǎn)信任。利用采納數(shù)據(jù)統(tǒng)計(jì)的方法和

        KL

        距離作為度量的實(shí)際標(biāo)準(zhǔn),使其該數(shù)據(jù)節(jié)點(diǎn)觀察信譽(yù)值的累計(jì)行為繼續(xù)。

        4 仿真分析

        為驗(yàn)證所提基于

        Prim

        算法的物聯(lián)網(wǎng)安全數(shù)據(jù)融合信譽(yù)度模型的有效性,設(shè)計(jì)仿真對(duì)比實(shí)驗(yàn)。通過運(yùn)用

        N

        82仿真對(duì)模型進(jìn)行分析。該系統(tǒng)通過

        prim

        計(jì)算形成了眾多組的傳輸節(jié)點(diǎn)。假設(shè)一個(gè)傳輸節(jié)點(diǎn)有4個(gè)融合數(shù)據(jù),和144個(gè)數(shù)據(jù)分布點(diǎn),組內(nèi)分布的節(jié)點(diǎn)

        A

        到4。每個(gè)傳輸?shù)臄?shù)值都正態(tài)展示。實(shí)驗(yàn)進(jìn)行100輪,將一組內(nèi)的惡意傳輸節(jié)點(diǎn)數(shù)量假設(shè)為10

        %

        ,如表2所示。

        表2 傳輸節(jié)點(diǎn)攻擊類型

        如表2所示傳輸節(jié)點(diǎn)攻擊,惡意數(shù)據(jù)發(fā)送時(shí)傳輸節(jié)點(diǎn)在某個(gè)時(shí)間段處于被偽造的環(huán)境下的頻率,表中容易被發(fā)現(xiàn)的偽造次數(shù)在第三次出現(xiàn),不易察覺的篡改次數(shù)在第一次出現(xiàn)。

        分比在某個(gè)時(shí)間范圍內(nèi)處在被惡意篡改的頻率里。容易察覺的篡改次數(shù)在第三次出現(xiàn),不易察覺的篡改次數(shù)在第一次出現(xiàn)。

        攻擊1,在所有傳輸節(jié)點(diǎn)常態(tài)下,該信譽(yù)度數(shù)據(jù)都很接近1,可構(gòu)建成高度的信任組;攻擊2,數(shù)據(jù)傳輸節(jié)點(diǎn)1~4常發(fā)射融合的節(jié)點(diǎn),即被系統(tǒng)認(rèn)定為不合法數(shù)據(jù),因此該傳輸節(jié)點(diǎn)不會(huì)被授予信任度,經(jīng)過實(shí)驗(yàn)對(duì)比后信譽(yù)度結(jié)果為0;攻擊3,傳輸節(jié)點(diǎn)發(fā)送了一些不能被系統(tǒng)輕易察覺的偽造數(shù)據(jù),但是它的信譽(yù)值與合法的傳輸節(jié)點(diǎn)信譽(yù)值相差甚遠(yuǎn);攻擊4,該數(shù)據(jù)傳輸節(jié)點(diǎn)也會(huì)被賦予一定的信譽(yù)值,因?yàn)樵摂?shù)據(jù)發(fā)送時(shí)會(huì)摻進(jìn)一些靠近真實(shí)性的參考數(shù)值;攻擊5,該數(shù)據(jù)的傳輸節(jié)點(diǎn)的真實(shí)性與原始數(shù)據(jù)會(huì)向系統(tǒng)不間斷的發(fā)送使其迷惑最終的融合結(jié)果,因此攻擊5是所有情況中最容易獲得信譽(yù)度的。

        根據(jù)分析以及文中對(duì)高信任值組的定義,要求數(shù)據(jù)傳輸節(jié)點(diǎn)的信任值高于這5種情況,所以這些都不能被系統(tǒng)納入高信任值組。

        采用文獻(xiàn)[2]方法、文獻(xiàn)[3]方法作為實(shí)驗(yàn)對(duì)比方法,隨機(jī)抽取了五個(gè)節(jié)點(diǎn)輪次,對(duì)Prim算法及文獻(xiàn)對(duì)比算法的數(shù)據(jù)融合結(jié)果與實(shí)際標(biāo)準(zhǔn)值進(jìn)行對(duì)比,得到對(duì)比結(jié)果如圖5所示。

        圖5 數(shù)據(jù)融合誤差對(duì)比

        圖5中可以看出,在0~170輪次時(shí),數(shù)據(jù)的融合結(jié)果與實(shí)際標(biāo)準(zhǔn)值存在一定的小誤差,但因?yàn)槌跗跁r(shí)經(jīng)過小幅度的震蕩后數(shù)據(jù)的融合才能更好地與實(shí)際標(biāo)準(zhǔn)值更逼近??梢?,隨著監(jiān)測(cè)輪數(shù)遞加,兩條曲線誤差值也會(huì)越來越小,其結(jié)果與真實(shí)數(shù)據(jù)也越來越吻合。而文獻(xiàn)[2]、文獻(xiàn)[3]方法的融合結(jié)果與實(shí)際標(biāo)準(zhǔn)值相差較大,說明所提方法的數(shù)據(jù)融合結(jié)果較為準(zhǔn)確。

        在此基礎(chǔ)上分析三種方法進(jìn)行物聯(lián)網(wǎng)數(shù)據(jù)融合的耗時(shí)情況,得到對(duì)比結(jié)果如圖6所示。

        圖6 數(shù)據(jù)融合效率對(duì)比結(jié)果

        分析圖6可知,文獻(xiàn)[2]方法在250Mb數(shù)據(jù)融合過程中共耗時(shí)17s,文獻(xiàn)[3]方法的數(shù)據(jù)融合過程耗時(shí)13s,而所提方法的耗時(shí)為4s,由此可見,所提方法能夠?qū)崿F(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)快速融合,數(shù)據(jù)傳輸效率較好。

        5 結(jié)論

        物聯(lián)網(wǎng)行業(yè)正在快速發(fā)展,其中的安全信息也是發(fā)展問題關(guān)鍵之一。本文首先分析了

        Prim

        的基本性質(zhì)及計(jì)算方法,用圖例描述的方式表明了數(shù)據(jù)傳輸節(jié)點(diǎn)的重要度和

        Prim

        的最小生成樹優(yōu)勢(shì)。為了更好地解決物聯(lián)網(wǎng)安全防控的問題,本文以物聯(lián)網(wǎng)的數(shù)據(jù)傳輸安全性防控為主要目標(biāo),運(yùn)用了

        Prim

        算法構(gòu)建了數(shù)據(jù)融合安全的信譽(yù)度模型。此模型可對(duì)

        Prim

        最小生成樹所構(gòu)成的傳輸節(jié)點(diǎn)進(jìn)行信任評(píng)價(jià),以觀察傳輸節(jié)點(diǎn)的累計(jì)信任與實(shí)際行為來計(jì)算信譽(yù)度并將其融合數(shù)據(jù)與真實(shí)數(shù)據(jù)進(jìn)行對(duì)比。仿真結(jié)果表明,即使物聯(lián)網(wǎng)在傳輸數(shù)據(jù)中存在惡意篡改和偽造的數(shù)據(jù),也能通過所提模型來檢測(cè)其信譽(yù)度,保證最終融合結(jié)果的真實(shí)性。

        猜你喜歡
        信譽(yù)度聯(lián)網(wǎng)傳輸
        “身聯(lián)網(wǎng)”等五則
        混合型隨機(jī)微分方程的傳輸不等式
        牽引8K超高清傳輸時(shí)代 FIBBR Pure38K
        電子制作(2018年18期)2018-11-14 01:48:00
        搶占物聯(lián)網(wǎng)
        通信世界(2018年27期)2018-10-16 09:02:56
        支持長(zhǎng)距離4K HDR傳輸 AudioQuest Pearl、 Forest、 Cinnamon HDMI線
        蚌埠市住宿場(chǎng)所衛(wèi)生信譽(yù)度A級(jí)單位各項(xiàng)指標(biāo)得分情況分析
        可再生能源與物聯(lián)網(wǎng)
        風(fēng)能(2015年10期)2015-02-27 10:15:34
        賣“信譽(yù)度”的財(cái)富
        黨員文摘(2014年11期)2014-11-04 10:42:47
        云環(huán)境下基于信譽(yù)度的評(píng)估模型的研究
        久久精品国产亚洲av热九九热| 亚洲无人区乱码中文字幕能看| 国产一区二区三区天堂| 中文字幕乱码熟女人妻在线| 妃光莉中文字幕一区二区| 波多野结衣在线播放| 国精品人妻无码一区二区三区性色| 人人爽久久涩噜噜噜丁香| 欧美极品美女| 不卡视频一区二区三区| 日本精品人妻在线观看| 放荡成熟人妻中文字幕| 久久精品国产亚洲av麻豆图片| 米奇777四色精品人人爽| 热99精品| 成人综合亚洲国产成人| 国产一区二区三区在线爱咪咪| 加勒比久草免费在线观看| 日韩av在线播放人妻| 日韩精品久久久肉伦网站| 亚洲福利视频一区| 国产精品日韩欧美一区二区区 | 水蜜桃久久| 国产成版人性视频免费版| 一区二区三区精品少妇| 久久久精品456亚洲影院| 91啦视频在线观看| 日本成熟妇人高潮aⅴ| 国产成人一区二区三区影院| 国产女主播白浆在线观看| 青青青爽国产在线视频| 国产一区二区毛片视频| 亚洲国产成人av二区| 欧美野外疯狂做受xxxx高潮 | 国产在线观看自拍av| 先锋五月婷婷丁香草草| 久久韩国漫画无删减漫画歪歪漫画| 日本高清不卡二区| 淫秽在线中国国产视频| 亚洲av乱码一区二区三区林ゆな| 免费少妇a级毛片人成网|