تؤكد التزايد المستمر في تكرار وحجم الهجمات الخبيثة الحديثة على الحاجة الملحة لتصنيف البرامج الضارة بسرعة ودقة في مجال الأمن السيبراني المتغير باستمرار. من بين التحديات الرئيسية هو تصنيف العائلات الخبيثة المتشابهة بدقة. لمواجهة هذا المشهد التهديد المتغير، يقترح هذا البحث هندسة معمارية جديدة تُسمى LeViT-MC والتي تحقق نتائج رائدة في اكتشاف وتصنيف البرامج الضارة. تعتمد LeViT-MC على هندسة معمارية قائمة على متحول الرؤية (Vision Transformer)، ومنهجية بصرية قائمة على الصور، وتقنيات التعلم النقل المتقدمة. تشير نتائج التجارب في تصنيف البرامج الضارة متعددة الفئات باستخدام مجموعة بيانات MaleVis إلى الأفضلية الكبيرة التي تتمتع بها LeViT-MC مقارنة بالنماذج الحالية. يؤكد هذا البحث على الأهمية الحرجة لدمج تقنيات الصور والتعلم النقل، مع التركيز على المتحولات البصرية كأداة رئيسية في المعركة المستمرة ضد التهديدات السيبرانية المتغيرة. نقترح هندسة معمارية جديدة هي LeViT-MC التي لا تقتصر فعاليتها على تحقيق أفضل النتائج في تصنيف الصور فحسب، بل إنها أكثر كفاءة من حيث الوقت أيضًا.