La confiabilidad es una preocupación crítica en entornos de computación en el borde, ya que los dispositivos en el borde a menudo operan en condiciones desafiantes y son propensos a fallas o ataques externos. A pesar de los avances significativos, muchas soluciones permanecen inexploradas. Un enfoque efectivo para este problema es el uso de algoritmos de agrupamiento, que son herramientas potentes de aprendizaje automático que pueden descubrir correlaciones dentro de vastas cantidades de datos. En el contexto de la computación en el borde, los algoritmos de agrupamiento se han vuelto cada vez más relevantes ya que pueden emplearse para mejorar la confiabilidad al clasificar dispositivos en el borde según sus comportamientos o detectar patrones de ataque desde dominios inseguros. En este contexto, desarrollamos un nuevo algoritmo de agrupamiento híbrido para dispositivos informáticos que es adecuado para infraestructuras basadas en modelos de computación en el borde y que puede categorizar nodos según su confiabilidad. Este algoritmo se evalúa minuciosamente y se compara con dos sistemas informáticos equipados con dispositivos GPU de alta gama en términos de rendimiento y consumo de energía. Los resultados de la evaluación resaltan la viabilidad de diseñar redes de sensores inteligentes para tomar decisiones en los puntos de recolección de datos, mejorando así la confiabilidad y previniendo ataques de fuentes no autorizadas.