Las redes de bots representan un desafío significativo en la seguridad de redes al aprovechar los Algoritmos de Generación de Dominio (DGA) para evadir las medidas de seguridad tradicionales. La extracción de muestras de dominios DGA es inherentemente compleja, y los modelos de detección DGA actuales a menudo luchan por capturar de manera efectiva las características del dominio cuando se enfrentan a datos de entrenamiento limitados. Esta limitación resulta en un rendimiento de detección subóptimo y un desequilibrio entre la precisión del modelo y la complejidad. Para abordar estos desafíos, este documento presenta un nuevo modelo de fusión de características multinivel que integra la arquitectura Transformer con la Red de Núcleo Selectivo Rápido (R-SKNet). El modelo propuesto emplea el codificador de Transformer para acoplar los elementos de caracteres de un solo dominio con los múltiples tipos de relaciones dentro del bloque de dominio global. Este documento propone integrar R-SKNet en la detección de DGA y desarrollar un módulo de atención de canal eficiente (ECA). Al mejorar la orientación de la información de la rama en la arquitectura SKNet, el enfoque logra una selección adaptativa de campo receptivo, captura de características multinivel y convolución multinivel ligera pero eficiente. Además, se utiliza la arquitectura de Red de Pirámide de Características mejorada (FPN), denominada EFAM, para ajustar los pesos del canal para las salidas en diferentes etapas de la red principal, lo que lleva a lograr una fusión de características multinivel. Los resultados experimentales demuestran que, en tareas con muestras de entrenamiento limitadas, el método propuesto logra una menor complejidad computacional y una mayor precisión de detección en comparación con los modelos de detección convencionales.