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
激情宗合哪里能看| 五月天激情婷婷小说| 五月综合婷婷久久在线| 91聚色综合网| 色婷婷丁香| 内射在线CHINESE| 天干干夜夜操| 思思99热| 开心五月婷婷激情网| 丁香六月天| 五月婷婷五月丁香综合| 九月激情婷婷丁香| 五月丁香六月婷婷网| 色综合久网| 欧美国产一区二区三区| 九九人人精品| 丁香五月大香蕉| 丁香五月六月久久综合| 亚洲人操亚洲人| 丁香五月天BBw| 婷婷9月天| 久久在线人妻| 991精品在线视频| 99精品久久久| 天天做天天双| a片在线免费观看一区| 五月丁香色综合| 97碰碰视频| 激情综合国产| 五月久久噜噜| 六月丁香成人| 六月婷婷综合| 色狠久| 99久久偷拍视频| 久久激情网| 日本一道久久| 久久99网站| 五月丁六月香av| 国产操B| 五月婷婷婷婷| 婷婷五月在线免费| 99干免费视频| 色色综合网站| 婷婷五月天激情基地| 亚洲午夜一区二区| 夜精品无码A片一区二区蜜桃 | www.99久| 五月婷婷久草| 精品婷婷| 五月天色婷婷成人| 五月天天丁香婷婷在线中| 97人妻超级碰碰碰碰碰| 久9久9热久热| 99热成人在线观看| 五月天日日操夜夜操 | 久久五月婷婷丁香| 综合AV网| 婷婷丁香六月| 六月婷婷在线视频| 五月开心六月婷婷在线播放网站| 久久久久久久久久久44| 丁香五月大片| 日韩有码一区| 国产精品久久久久久妇女6080| 色五月婷婷丁香五月| 国产99久久久| 99热在线网站| 欧美性生交xXxX久久久| 色婷操逼| 天天色天天爱天天爱天天爱y| 99在线视频色版| 久久se 综合网| 99热99干| 久久婷婷五月综合| 五月天婷婷五月| 2020日日干| 午夜成人片400| 99热最新精品| 天天透天天爱| 天天操夜夜爱| 激情久久五月网| 美女黄频aⅴ视频| 综合色、色综合| 97色欧美| 在线综合网| WWW色综合| bukadeavzaixian| 天堂婷婷五月色| 狠狠做五月| 亚洲国产精品五月天| 激情网战码亚洲A| 婷婷 久综合| 激情色中文| 99re这里只有精品视频6| 97人人超| 激情五月天免费视频| 26uuu欧美激情另类| 婷婷五月天欧美图片在线播放电驴| 五月综合色| 欧美xx激情视频在线观看| 91操色| av在线观看网站| 亚洲国产黄色电影| 精品操逼一区二区| 亚洲电影中文字幕| 丁香亚洲色综合| 97高清国语自产拍| 日本乱子人伦在线视频| 91丨九色丨东北熟女| 亚洲性爱电影| 亚洲五月天婷婷| 丁香五月欧美激情| 五月停停激情网| 国产五月婷| 亚洲色久| 综合激情五月四射婷婷| 99热乎| 99热亚洲精品| 久久精典| 亚洲色涩视频| 99热99热在线观看| 五月婷婷狠天天色综合| 五月天激情网址| 日本人妻丁香婷婷久久寝取熟女五月| 91无码色色| 99热9| 久久 婷婷 五月天| 99热久| 亚洲不卡| 色色色色色色网| 久久久18| 五月天色五月| 成人做爰A片免费看视频| 色99网| 激情五月丁香五月| 伊人五月天| 天天插天天插天天插天天插| 五月丁香六月激情| 婷婷丁香18| 草草夜夜操| 亚洲亚洲人成综合网络| 亚洲无码影片| 成人资源在线| 丁香啪啪| 只有精品视频在线观看| 色婷婷精品小视频| 9999色色色色| 9|人妻人人操| 大功率国产在线| 色播播五月| 久久五月天丁香| 丁香五月婷婷色综合| 国外亚洲成AV人片在线观看| 国产超碰av| 色婷婷色和| 无码碰碰| 超碰免费大香蕉| 久99久精品视频| 久久性刺激| 偷偷操99| 天天日天天久久青青| 激情六月色| 激情综合五月| 9久久精品| 丁香综合婷婷五月天| 无码人妻精品一区二区蜜桃色欲| 婷婷四月 成人 狠狠干| 久久伊人婷婷| 亚洲情色一区| 99碰碰| 97婷婷丁香五月天激情图片| 99热这里只有精品一区| 色色婷婷五月天| 在线成人网站| 亚洲乱码日产精品BD| 色综合99色| 啪啪六月婷婷| 五月丁香婷婷五月色| 久久aaaa片一区二区| 亚洲激情五月天| 久草视频一,二三四| 九九99久久| 国产精品天天狠天天看| 日熟女| 很很操96| 美女五月狠狠| 99精品自拍| 北京熟妇搡BBBB搡BBBB| 亚洲秘 无码一区二区三区妃光/1| 久久九九玖玖| 五月天三级| 五月丁香五月婷婷在线观看| 欧美人妻一区二区| 99综合| 91黄址| 婷婷97狠狠成人网站| 内射 无码 伊人| 激情丁香九九五月综合网| 人人操Av| 久久五月天色婷婷| 五月丁香六月激情| 婷婷丁香五月亚洲欧美| 色亭亭五月天丁香综合AV - 百度 - 百度| 九九热只有精品| 成人草榴视频| 六月丁香花婷婷| 久狠日av| 风流少妇A片一区二区蜜桃| 久久蜜臀婷婷| 五月激情另类| 91久久1118| 精品热九九| 国产熟女一区二区三区五月婷| www·五月天| 久久婷婷亚洲| 涩丁香91| 日韩AAA| 色色五月婷婷久久| 99国产97在线,| 婷婷大香蕉| 成年人看Va免费视频| 97操碰| 变态另类色图| 99精品久久久久久久久| 99在线观看视频蜜臀| 日本婷婷| 亚洲精品九九| 亚洲色vA| 少妇人妻丰满做爰XXX| 一级片sese片.COM| 久久桃花网色婷婷| 五月天婷婷久久| 天天肏屄夜夜爽| 日韩国产在线精品| 久久久精品AV| 乱色色色| 久久这里这里有精品免费视频| 熟妇内谢69XXXXXA片| 99热.com| 午夜九九九九九九| 俺五月| 99久久久久| 99资源在线| 97色伦另类图片小说视频| 无码人妻激情| 玖玖99免费视频| 婷婷色正月| 青青久在线视频免费观看| 成人短视频在线| 天天干天天日天天操| 岛国在线观看91| 玖月婷婷爱丁香| 99色天堂| 97色在线| 天天爱天天做天天舔| 99熟女啪啪视频| 日美三级| 激情综合网激情五月天| 精品9久| 激情综合网五月天天| 色色五月天婷婷| 色在线99| 婷婷天堂综合| 婷婷色色五月天| 婷婷99视频精品| 久久9RE热视频精品98| 日日操,夜夜撸| 不卡在线视频| 亚洲丁香五月| 婷婷综合偷拍| 五月婷婷导航| 久热91| 五月婷婷欧美| 九九色欲网| 97人妻碰碰碰久久香蕉| 五月丁香激情啪啪| 色色五月婷| 噜噜色五月| 人妻久久久久久久| 免费99情趣网视频| 91在线就要啪| 五月婷婷丁香综合网| WWW.HENHENL.| www.色婷婷| pom538精品视频| 91viP在线看| 婷婷五月综激情| 久热 91| 丁香九月综合| 婷婷五月天改成什么了| 99精品偷自拍| 天天插,天天射| 超碰免费电影| www,色婷婷| 五月丁香91| 波多野结衣AV无码Porn| 久久日婷婷| 777精品久无码人妻蜜桃| AV九九| 五月丁香久人妻中文| 婷婷色五月在线视频| 丁香激激情网| 婷婷精品性视频| 99热这里只有精品在线播放| 国产成人va在线| 五月丁香激情综合六月涩涩爱| 婷婷欧美激情综合| 日日干日日s| 538任你爽视频不一样的| 99色性爰网络| 婷婷在线视频| 婷色综合| 丁香五月综合| 黄页大全十八禁| 99久久終合| 91九色熟女| 97成人丁香婷婷| 久久国产色| 伊人五月天97| 四川BBB搡BBB搡多人乱亂| 99性爱精品| 久久婷五月综合| 天天插天天插| 色播播五月| 99久久精品色老| 99色热| 狠婷婷五月| 丁香五婷婷| 天天爽人人综合免费7799| 五月丁香六月婷婷在线播放| 国产老熟妇亲子乱对白| 韩日另类| 国产激情视频在线观看| 久热视频这里只有精品| 六月丁香花婷婷| 色色色九九九五月婷婷| 婷婷婷婷婷婷婷五月丁香| 婷婷丁香一月| www.五月婷婷| 成人精品网站在线观看| 久操大香蕉| 五月天另类小说| 99精品国产在热久久| 射满了还射免费在线观看 -午夜版全集-新视觉影院| 久色激情| 五月丁香欧美| 久久无码激情视频| 婷婷黄色网| 天天干天天干天天干天天干天| 啪啪啪五月天| 天天日综合| 天天操天天草天天草天天| 欧美日韩成人免费在线| 97人人操人| 激情av| 天天搞天天爽| 婷婷五月天首页| 97热视频| 成人AV中文字幕| 国外亚洲成AV人片在线观看| 久热99| 婷婷十月激情综合网| 丁香五月天婷婷在线视频| 无码视频国内精品久久久| 久久久WWW| 色婷婷激情五月天在线观看| 袁子仪视频观看| 婷婷欧美综合| 日韩少妇内射免费播放| 久久9精品| 怡红院精品视频久久久久久久久| 六月丁香久久| 激情久久网 | 97精品人人A片免费看| 午夜免费高清AV片| 亚洲看av的网站| 亚洲激情综合| 久久er99热精品一区二区| 丁香视频| 这里只有精品视频一区| 婷婷激情九月| 色99无码| 丁香九月色| 免费看欧美成人A片无码| 五月激情婷婷丁香| 无码激情| 99久久99九九99九九九| A在线观看| 伊人啪啪网| 欧美噜一噜| 熟女激情网| 久久网日本| 色婷婷激情四射视频| 国产九月婷婷| 国内精品免费一区二区2009| 五月天丁香色色| 天天干天天做| 亚洲精品字幕在线观看| 欧美色婷婷| 99色精品| 丁香五月影院| 天天影院色| 久热 91| 天天干天天干天天| 五月激情六月宗合| 老司机伊人| 色噜噜婷婷| 涩五月丁香| 夜夜操少妇| 婷婷激情综合无月| 成人婷婷深爱综合网| 丁香五月天色综合| 五月开心六月婷婷在线播放网站| 色亚洲视频| 色综合色婷婷色伊人| 好好干Av| 国产婷伊人| 精品国产AV色一区二区深夜久久| 亚洲乱码日产精品BD| 国产精品天天狠天天看| 九久久婷婷| 精品一区久热| 九九九九无码| 色碰碰| 综合网啪啪| 色婷婷88| 激情婷婷激情在线不卡| 欧美三级巜人妻互换| www.色婷婷| 日产精品一线二线三线芒果| 黄色三级毛片中字| 大香伊人婷婷影院| 黄色一级影片| 色综天天综合| 激情五月丁香色婷婷| 99色热综合| AV79| 欧美激情VA永久在线播放| 五月开心网| 日日噜噜夜夜狠狠久久丁香六月| 欧美丁香婷婷五月| 内射在线CHINESE| a级毛片一区二区免费视频| 伊人激情网| 日韩在线一级| 丁香五月天无码AV| 五月丁香六月合| 久久免片| 九九热最新地址| 国产精品99久久久久久久女警| 国产黄大片在线观看画质优化| www.第四色99| 五月婷婷丁香大陆免费| 久热这里只有精品在线观看 | 台湾无码A片一区二区| 丁香六月婷婷色XXXXX| 激情五月综合色婷婷| 青草激情在线| 99久在线精品| caop视频| 欧美三级黄色片久久| 久久激情视频99| 深爱激情网婷婷| 色婷婷五月在线| 婷婷五月天黄色| 国产人妻人伦精品一区二区 | 第四色首页| 91综合国免费久入| 专区无日本视频高清8| 九月婷婷激情久久| 丁香五月 综合| 99国产这里只有精品| 色五月天堂| 久久在线视频免费观看| 小骚穴电影| 同性gv国产精品一区二区| 亚洲aV写真天天综合网久久| 五月丁香综合激情网| 日本eVa一区=区视频| 亚州操操| 99热最新网址| 久久婷婷五月综合| 婷婷激情五月天桃花网| 淫荡家庭AV| 九九性视频| 五月开心激情| 成人VAV视频在线观看| 99色在线视频观看| 26UUU精品一区二区| 国产日韩欧美性爱| 日hao1区| 日韩精品色| 99啪啪视频| 色婷婷久久综合久色综| 国产 码在线成人网站| 99精品网址| 色婷婷丁香五月高清在线| 天天色天天日天天舔| 内射干少妇亚洲69XXX| 操日视频| 婷婷五月视频| 亚洲无AV在线中文字幕| 91九色首页| 五月丁香六月综合激情无码软件亮点 | 这里只有视频精品| 亚洲综合无码| 色欲色香综合网站| 99热首页在线30| 久热婷婷| 日本欧美国产| 色五月天婷婷| 大香蕉视频婷婷| 琪琪理论片| 人人97碰| 97人妻碰碰碰碰碰久久久久久| 丁香五月婷婷婷婷欧美综合| 久久久99视频| 国产在线自| 亚州精品久久久久AV无码| 开心激情婷婷| 99操中文视频| 色婷婷综合影院| 天天色五月婷婷91久久久久久久| 色综合久久天天综合网 | 色操b| 色五月大香蕉| 精热在线综合网| 婷婷内射视频在线| 九色PORNY在线精品酒店| 久久婷婷五月天激情| 色欲日日躁| 99精品在这里| 激情av| 99色五月| 婷婷五月丁香色综合| 婷婷五月18永久免费视频| 中文字幕人妻熟女在线| 激情婷婷五月亚洲| 综合五月婷婷| 婷婷五月天堂网| 五月天堂色| 97热精品| 五月婷婷影院| 7超碰自拍| 日本成人噜噜噜| 色色综合五月| 天天狠狠夜夜狠狠2023| 激情av网| 丁香五月成人婷婷| 精品99在线看| 狠狠色噜噜狠狠狠狠综合| 婷婷色中文| 天天爱天天狠天天透| 啪啪五月综合| 五月天激情网站| 影音先锋91资源站| 9九色首页| 九九人人自拍| 五月天婷婷影院| 五月婷婷色色色| 99操视频| 99精品视频免费在线播放| 精品人妻一区| 这里只有视频精品| 99热久| WWW.天天日| 思思热在线观看| 2050人人操免费工开爱| 五月激情影院| 色色色色色爱| 五月天伊人久久| 久久hd| 激情六月丁香| 26uuu国产| 蜜臀av无码久久久久久久久| 色五月婷婷丁香五月| 99综合99| 色哟哟精品| 大香蕉啪啪啪| 欧类av怡春院| 婷婷综合五月色播| 伊人综合婷婷| 婷婷丁香久久| 婷婷瑟五月天久久综合| 亚洲123区高清入口| nvrentiantang av| 思思99热这里只有精品| 亚洲精品无AMM毛片| 丁香五月婷婷天| 99ri国产精品| 婷婷久久综合久| 亚洲视频在线观看99| 亚洲成人无码专区| 欧美丁香五月夫妻天| 婷婷久热| 国产精品成人AV在线观看春天| 九九综合久久| 婷婷成人综合| 日本操天堂| 五月丁香六月色| 99ri视频| 伊人久久丁香五月91| 丁香六月婷婷色XXXXX| 91热在线| 亚洲色就是色色色| 丁香久久综合| 日本本土色网第一区| 超碰2021| 色情综合网| 99 这里只有精品| 国产亚洲色婷婷久久99精品91 www.riverspirits.org www.hnnun.com www.changh | www.开心激情| 丁香花五月天激情| 狠狠色色色| 9久久久久久久久久久| 婷婷综合五月| 欧洲亚洲精品| 婷婷九月激情| 在线视频99| 性做久久久久久久免费看| 五月综合婷婷五月| 亚洲中文无码成人| 五月丁香婷婷色播无码| 日韩无码专区| 久久久久婷 | 色性综合| AV免费在线网站| 狠狠综合| 大香蕉99| 五月婷婷在线观看| 色婷婷婷av| 色色999三级片| 天天干夜夜谢| 思思热在线| 五月婷色丁香| 在线视频另类| 热久综合| 99ri视频| 曰曰久久| 开心激情播播五月天| 色色网站免费在线视频| 射久久丁香五月| 大香蕉久久视频久久视频| 五月婷婷黄色| 四月丁香五月婷婷久久| 婷婷五月丁香婷婷| 亚洲色色色色色色色色色| 久热爱大香蕉在线蜜臀悦色| 欧美大片| 日日噜噜夜夜狠狠久久丁香六月| 日本WWW九九九| 色婷婷色五月综合| 久婷婷五月激情| 五月激情婷婷综合| 91操在线| 99精日本久久| 亚洲精品久久久无码| 丁香九月婷| 天天肏在线| 丁香五月欧美| 超碰操网| 激情五月丁香六月综合AVXXXX| 久久久久久综合五月婷婷| site:901-07.com| 天天日夜夜欢| www.99热精品| 久久久九九九 99| 婷婷五月丁香青青草在线| 久久婷五月天| 婷婷狠狠操| 996热re视频精品视频| 婷婷丁香十月| 深爱激情婷| 六月天丁婷婷| 热这里| 色9色| 99视频色在线观看| 狠狠色婷婷7777久| 99人碰碰碰| 色婷婷综合综合网| 久久WW| 2013AV天堂| 99在线播放| 91热久88| 99精品九九| 婷婷99狠| 91主播在线| 五月天大香蕉视频| 99啪在线| 99精品一二三四视频| 国产av基地| 久久婷五月婷| 噜综合| 五月丁香婷婷五月色| 五月激情婷婷开心五月| 五月天久久婷婷婷| 97色色色色色色色色色色色色色| 思思热精品免费视频| 五月四色色| 亚洲VA在线| 亚洲色A| 久香草视频在线观看| 深爱激情久久| 五月丁香激| 日本九九视频| 九九热av| 夜夜骑日日操| 亚洲五月综合色播| 丁香六月亚洲综合| 丁香色婷婷| 99热成人| 欧美性爱五月天| 五月丁香六月婷| 婷婷99狠狠| 国产高潮A片羞羞视频涩涩| 亚洲国产精品二二三三区| 婷婷丁香九色| 亚洲无码AV片| 日韩无码乱轮| 先锋五月婷婷丁香草草| 婷婷激情丁香五月婷婷激情丁香五月婷婷 | 婷婷综合97| 大香蕉伊人久久| 中文字幕在线免费观看视频| 男人操女人高潮91视频| 91精品综合久久久久久五月天| 免费观看2018www黄色操逼网站| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 91 九色 入口| www久久久| 婷婷激情伍月网| 99热日本| 天天天天天天操| 天天操B| 天天综合精品| 好大好粗嗯啊-一级黄色大片免费观看-成人AV| 97人妻人人| 久久久精品色| 亚洲天堂啪啪| 欧美顶级少妇做爰HD| 久久99jiu9| 91人妻色色网| 久热视频这里只有精品| 九九九九综合| 五月丁香六月婷婷网站| 大香蕉综合在线| 亚洲综合网在线| 日本一级特黄大片AAAAA级| 97激情五月天| 国产精品视频| 色婷婷六月| 日韩成人AV在线| 五月天成人在线| 九九99免费视频| 波多婷婷久久| 久色视频在线| 能看的AV| 中文字幕婷婷9月天| 久久婷婷色色| 欧美激情综合色综合色| 五月天桃色深爱网| 五月天婷婷涩涩| 丁香婷婷免费| 亚洲天堂爱爱| 91N 一起草| 亚洲性爱干干| 婷婷午夜激情| 五月天婷婷丁香人人操91| peg 2区三区四区的| 欧美激情综合色综合啪啪五月| 99热国品| 丁香五月婷婷激情小说| 另类激情综合| 色青青电影色五月| 免费视频舔| 久久婷婷丁香| 在线免费观看激情视频| 激情网第四色| 这里只有精品在线观看视频| 色婷婷色| 五月丁香欧美| 五月丁香色色网| 激情婷婷在线中文字幕| 五月丁香六月婷婷久久| 亚洲愉拍99热成人精品| 99五月丁香丁| 五月婷婷啪啪啪| 色很久综合| 99热的无码| 无码人妻少妇色欲AV一区二区| 天天搡日日搡aaaaⅩ| 国产激情婷婷| 9 7总站超级碰免费视频| 夜夜骑日日操| 天堂爱爱| 国产免费一区二区在线A片视频| 日韩美女在线视频19| 欧美综合五月丁香六月婷| 婷婷五月天影院| 91日本在线| 激情五月色婷婷| 丁香五月天堂网AV| 丁香五月激情婷婷| 成人亚洲精品久久久久| 99热这里只有精品在线免费| 亚洲综合色色色| 1024手机在线观看看片_日韩精品| 99精品在这里| 亚洲成人av在线观看| 亚洲色综合性| 五月婷婷丁香日韩在线| 婷婷五月天手机版视频| 欧美叉叉叉BBB网站| 九热在线这里有精品6| 九九在线精点品| 99精品在线| 色五月综合网| 狠狠操综合| 久久综合性| 激情久久综合| 99热啪啪| 婷婷色婷婷亚洲成人| 色噜噜狠狠色综合日日| 丁香五月婷婷激情网| 99无码超碰| 91人人操人人| 亚洲色久| 婷婷激情五月天综合| 婷婷六月天| bbwcuckold精品熟妇| 另类小说五月天| 成人五月天在线视频在线观看| 婷婷五月天激情小说| 亚州激情在线视频| 亚洲精品白浆高清久久久久久| 天天干天天日日| 亚洲精品V天堂中文字幕| 天插天啪天啪天啪| 国产97在线日韩亚洲女人被黑人巨大| 蜜臀嫩草| 操婷婷基地| 99超级碰碰| 99综合免费视频| 99只有精品| 五月婷人妻| 亚洲超碰青涩| 色婷婷久久综合中文久久一本 | 九一99| 99热一本久道| 激情另类综合| bbwcuckold精品熟妇| 中文毛片无遮挡高潮免费| 伊人婷婷五月| 26uuu日韩| 狠狠色狠狠| 色9999日韩国产| 99热这里有精品24| 色黄啪啪| 色吧五月婷婷| 天天搽天天射| 日本色99网站| 五月天 婷 欧美亚洲| 欧美在线干| 极品少妇XXXX精品少妇偷拍| 狠狠操性爱av| 色婷婷五月综合在线| 天天爽夜夜操| 中文字幕性爱丰满| 精品人妻在线| 中文字幕在线观看视频www| 久久这里99| 色婷婷色| www.五月天| 亚洲人人操BD| 永久免费视频| 五月婷婷影院| 亚洲免费婷婷| 激情五月综合网| 丁香五月天操B| 波多野结衣AV无码Porn| 天天日日人| 久热A片| 97久久精品| 婷婷激情鹿城五月天| 国产亚洲成AV人片在线| 久久XX| 五月婷婷狠狠干| 非洲一级AV| 国自产拍偷拍精品啪啪一区二区 | 99婷婷五月天激情| 思思热在线观看| 成人精品99| 色色色99| 久久精彩视频18| 色五月天丁香| 欧美激情凹凸丁香网| AV在线大香蕉| 色九四色| 欧美色色色| 五月天综合影院| 激情五月天在线观看婷婷| 91女人18毛片水多国产| 91久久久久久久| 99av视频| 激情五月伊人婷婷| 《久久综合九色综合97婷婷| 少妇大叫太大太粗太爽了A片| 色99在线视频| 五月色 亚洲| 99色色| 超碰操日| 九九热最新视频| 日本五月天婷婷丁香| 丁香五月婷婷动漫| 国产精品成人AV在线| 伊人五月婷| 婷婷深爱五月| 成人丁香| 丁香五月丁香伊人| 色色色色欧洲| 婷婷五月天大香蕉| 激情五月黄色| 五月激情小说| 色婷婷五月天成人网| 99视频热| 怡红院院在线导航网| 欧美三级欧美一级| 色五月色情| 美国少妇性做爰| 色五月播五月| 色综合久久88色综合天天看| 亚洲欧美另类在线23p| 欧美日韩AAAAA| 久久激情五月天| 日本久久极品| 99精品丁香五月| 婷婷色中文字幕| 成人AV免费观看| 五月婷婷综合丁香视频| 色5月婷婷| 五月视频日本免费观看| 五月丁香婷婷基地| 亚洲人妻电影| 97se在线视频| 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 | 欧美婷婷综合| 五月天丁香综合| 色香欲综合| 五月天综合图片| 开心五月婷婷在线视频免费观看| 99色区| 激情久久五月天| 五月丁香婷婷成人版| 色色色色色日韩午夜激情 | 激情五月天开心网丁香无码| 五月婷婷黄色| 久99久视频| 丁香五月婷婷av| AVV黄| 热久久这里只有三级视频| 婷婷婷婷婷婷婷婷婷婷丁香| 国产精品人人做人人爽人人添| 婷婷色六月| 五月丁香天堂网| 91九色在线| 亚洲第一黄网| 五月丁香婷婷综合久久| 超碰在线观看9| 天天做天天爽| 丁香久月| 色五月大| 九月婷婷激情| 99毛片| 国产激情av| 影视av久久久噜噜噜噜噜三级| 日本婷婷五月天| 九九亚洲| 色五月成人| 婷婷五月天视频免费在线观看| 99热这里只有在线| 婷婷色丁香五月| 丁香5月综合啪啪| 啪啪五月天啪啪| 色婷激情网| 亚洲色域网| 天天 青草 丝袜制服 在线| 丁香五月激情站| 丁香五月综合图片在线观看| www.五月婷婷久久.com| 天天开心AV色综合婷婷五月天| 狠狠色性| 五月丁香六月婷婷婷婷| 五月天激情视频五月天| 欧美VA在线观看| 五月婷婷婷婷网| 韩国久久少妇视屏| 天天综合在线网| 丁香五月天视频| 天天色99| 国产成人+综合亚洲+天堂| 天天爽天天干| www五月| 超碰只有精品在线| 97成人在线视频| 毛片九九九九九九| 色色色区| 色10月婷婷视频| 五月天六月丁香| 五月丁香色婷婷基地| 狠狠色综合久久| 激情婷婷六月天| 99操久久| 五月激情六月丁香| 亚洲亚洲人成综合网络| 香蕉99网| 色五月中文字幕| 久久婷婷啪啪视频| 99国产er热视频| 亚洲色小说在线综合| 十月丁香九月婷婷综合| 久久99大全| 六月丁香婷| www.色五月| 免费操超碰| 五月丁香成人| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 亚洲五月天激情| 1000部毛片A片免费观看| av网站免费在线| 色九九中文字幕| 五月天婷婷情色| 丁香六月婷婷综合激情欧美| WWW.桔色成人.COM入口| 九九热99热| 日日.c| 亚洲乱码日产精品BD| 超碰在线网站| 天天日天天干天天爱| 五月丁香久久久| 色婷婷免费视频| 国产成人精品亚洲线观看| 大大香蕉综合在线| 99ri在线| 九九机热| 激情六月婷婷| 无码免费人妻A片AAA毛片西瓜| 色播五月丁香综合| 亚洲色色色色色色色色色| 综合图区激情| 久久色婷婷| 免费看欧美成人A片无码| 五月叮香啪| 小视频aaa久久久| 色激情五月| 99无码| 9精品一区| 婷婷爱在线观看| 婷婷五月花西瓜| 色色色色综合| 免费看欧美成人A片无码| 成人视频在线免费播放| 26UUU亚洲欧美| jiZZdr| 色一情一乱一乱一区91Av| 五月婷婷97| 开心婷婷五月天综合| 久久久久久综合五月婷婷| 丁香五月天激情| 狠狠色综合无线观看| 激情四射五月天| 99热精品在线播放| 亚洲第一综合| 538任你爽视频不一样的| 另类图片 五月激情| 久超超碰| 婷婷D区| 国产 码在线成人网站| 四色99久久| 国产这里只有精品| 9999热在线观看| 五月丁香啪啪啪啪| 六月丁香综合| 97成人在线视频| 综合激情网五月激情| 激情综合一| 日韩在线看AV| 五月开心婷婷网| 五月天久久网站| 久久久国产精品黄毛片| www.五月婷婷久久.com| 五月丁香六月婷婷国产视频| av九九| 99九九99九九九视频精彩| 激情五婷网| 99综合网| 九月激情网| 亚洲综合色网| 字幕网AV中文字幕| 激情网五夜婷婷| 色婷婷大香蕉| 日韩 mm 不卡| 五月天婷婷青青草| 99网| 伊人婷婷青青cao| www热久久yy9| 久久婷婷大香蕉| 五月婷婷婷自由综合| 婷婷综合激情| 亚洲久热| 久久婷婷网| 超碰在线播放免费观看| 精久久色| 国产又爽又猛又粗的视频A片| 99热最新地址在线| 九色七七| 婷婷五月丁香综合桃花色网| 丁香五月精品| 中文字幕丰满孑伦无码专区| 婷婷五月黄色激情在线| 高清不卡一区| 亚洲AV无码一区二| 日韩五月丁香| 99在线免费视频播放| 婷婷五月天亚洲综合网| 丁香五月大香蕉| 五六月婷婷| 色五月人妻| 国産精品| VA色婷婷| 色播六月| 九九色色| 亚洲在线操| 国产精品社区| 亚洲午夜视频| 丁香五月综合激情啪啪| 成人网在线视频| 夜夜操狠狠操| 日本一级大片| 激情欧美丁香五月| 久久久九九视频精品18| 五月天婷婷激情小说电影| 超91热| 色五月综合激情| 五月黄色婷婷| 亚洲色视频| 日韩婷久| 婷婷性福五月天| 91九色小视频| 操逼巨乳91| AV网站免费在线| 亚洲成人一区| 六月丁香啪啪| 伊人啪啪网| 国庆精品久久| 激情五月天婷婷| 五月天综合区| 精品欧美性爱超级爽| 丁香五月激情视频在线| 欧美黄色一级| 色吧五月婷婷| 亚洲操B视频| 大香蕉网站,大香蕉综合| 99久久9| 婷婷99狠狠| 好吊丝aV| 亚洲AV成人在线观看| 日韩综合大黄| 亚洲激情六月| 激情综合五月婷婷丁香| 久操激情| 婷婷色中文字幕| 色色色综合视频| 97亚洲视频在线| 婷婷五月天电影区小说区| 国产亚洲av片| 另类A片| 激情五月激情综合俺也去婷婷小说| 丁香五月婷婷影院| 性婷婷| 无码人妻一区二区一牛影视| 色色99| 91ncom.色| 亚洲亚洲人成综合网络| 日韩精品无码99| 婷婷五月天AV在线| www99热| www.操逼comm| 久久精品五月| 五月婷丁香| 免费99情趣网视频| 丁香五月色激情| 五月丁香好婷婷A片网| 久久婷婷五月国产色综合激情| 少妇被躁爽到高潮无码文| 婷婷丁香五月综合网上| 超碰9| 欧美电影在线播放| 亚洲亚洲亚洲AAAAAA| 色综合中文| 中文字幕欧美日韩VA免费视频| 99热精品在线播放| 丁香九月综合激情| 中文毛片无遮挡高潮免费| WWW五月| 日本久久婷| 中文字幕日本最新乱码视频| 看久久性爱99视频| 亚洲综合在线伊人婷| 色七色九九| 久久九九@| 五月天第四色开心色播| 另类国产欧美视频| 久久92| 五月香蕉婷婷| 九月激情综合婷婷| www超碰| 五月婷婷激情综合视频| 九九精品综合| 综合久久丁丁香婷| 91se在线视频| 婷婷黄色五月天在线视频| 91se在线观看| 白人荫道BBWBBB大荫道| 超碰资源在线| xx综合网| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 激情婷婷综合五月少妇| 一区二区免费看| 夜夜嗨一区二区三区直播内容| 色综合大香蕉| www.五月婷婷久久.com| 免费亚洲成人电影AV| 欧美三级巜人妻互换| 国产精品成人AV在线| 国产片色| 欧美影院婷婷| 在线日本www| 狼人久草| 久久婷婷五月综合啪| 五月婷高清视频| 4399人妻无码久久久| 99热在线极品极品| 欧美色婷婷| 激情六月综合| 丁香婷婷六月激情| 色狠狠综合网| av五月丁香| 粉嫩AV久久一区二区三区| 97精品自拍视频| 伊人色综在线| www色婷婷久久综合久色 | 五月丁香婷婷综合| 色婷婷国产精品综合在线观看| 三级大香蕉网| 色情婷婷| AAA久久久AAA久久久AAA| 色色五月婷婷网| 五月天久久久| 久久久人妻| 婷婷丁香五月天中文字幕| renrencaoni| 五月婷婷丁香综合| 熟美女麻豆| 亚洲春色奇米影视| 五月婷婷丁香| 久操大香蕉|