En este artículo, evaluamos los mecanismos de defensa contra ataques de parches adversarios en el modelo de detección de objetos YOLOv5. Utilizamos EigenCAM y la búsqueda en cuadrícula para determinar las ubicaciones óptimas de los parches y colocamos los parches adversarios optimizados generados en áreas sensibles para inducir una degradación del rendimiento del modelo YOLOv5. Probamos diversas técnicas de defensa, como SAC, Inpainting y el modelo de difusión latente, y descubrimos que los parches adversarios redujeron la fiabilidad media de detección en un 22,06 %. Entre las técnicas de defensa, SAC e Inpainting recuperaron la fiabilidad en un 3,45 % y un 5,05 %, respectivamente, y el modelo de difusión latente logró una mejora de la fiabilidad del 26,61 %, superando la precisión original. Esto sugiere que el modelo de difusión latente es muy eficaz para mitigar los ataques de parches adversarios.
