Los spammers han creado un nuevo tipo de correo electrónico electrónico (e-mail) llamado spam basado en imágenes para eludir los filtros de spam basados en texto. Desafortunadamente, estas imágenes contienen enlaces dañinos que pueden infectar el sistema informático del usuario y tardar mucho tiempo en eliminarse, lo que puede obstaculizar la productividad y la seguridad de los usuarios. En este documento, se sugiere una arquitectura híbrida de redes neuronales profundas para abordar este problema. Está basado en la red neuronal convolucional (CNN), que ha sido mejorada con el módulo de atención de bloque convolucional (CBAM). Inicialmente, CNN mejorado con CBAM se utiliza para extraer la información más crucial de cada correo electrónico basado en imágenes. Luego, los vectores de características generados se alimentan al modelo de máquina de vectores de soporte (SVM) para clasificarlos como spam o no spam. Cuatro conjuntos de datos, incluidos Image Spam Hunter (ISH), Annadatha, Chavda Approach 1 y Chavda Approach 2, se utilizan en los experimentos. Los resultados obtenidos demostraron que en términos de precisión, nuestro modelo supera a los métodos existentes de última generación.