最近のマルウェア攻撃の頻度と規模が増大していることから、常に進化するサイバーセキュリティ環境において、迅速かつ正確なマルウェア分類の緊急性が強調されています。主要な課題には、密接に関連したマルウェアファミリーを正確に分類することなどが含まれます。本論文では、この進化する脅威環境に対処するために、最新の結果をもたらす新しいアーキテクチャ LeViT-MC を提案します。LeViT-MC は、ビジョントランスフォーマーに基づくアーキテクチャ、画像ベースの可視化手法、および高度な転移学習技術を活用しています。MaleVis データセットを使用した多クラスマルウェア分類の実験結果は、LeViT-MC が既存のモデルに対して显著な優位性を持つことを示しています。本研究は、画像ベースと転移学習技術を組み合わせることの重要性を強調しており、ビジョントランスフォーマーが進行中の進化するサイバー脅威との戦いにおける最前線にあることを示しています。我々は LeViT-MC という新しいアーキテクチャを提案し、画像分類において最新の結果を達成するだけでなく、時間効率も高いことを示しています。