본 논문은 YOLOv5 객체 검출 모델에 대한 적대적 패치 공격에 대한 방어 메커니즘을 평가한다. EigenCAM과 그리드 탐색을 사용하여 최적의 패치 위치를 결정하고, 생성된 최적화된 적대적 패치를 민감한 영역에 배치하여 YOLOv5 모델의 성능 저하를 유발했다. SAC, Inpainting, 잠재 확산 모델 등 여러 방어 기법을 테스트한 결과, 적대적 패치는 평균 검출 신뢰도를 22.06% 감소시켰다. 방어 기법 중 SAC는 3.45%, Inpainting은 5.05%의 신뢰도를 회복시켰으며, 잠재 확산 모델은 26.61%의 신뢰도 향상을 보여 원래 정확도를 뛰어넘는 성능을 달성했다. 이는 잠재 확산 모델이 적대적 패치 공격 완화에 매우 효과적임을 시사한다.
