Muchos proveedores de servicios en la nube ofrecen acceso a recursos de procesamiento versátiles y confiables siguiendo un modelo de compensación según se va usando. La investigación sobre la seguridad de la nube se centra principalmente en proteger a los usuarios legítimos de los servicios en la nube de ataques por parte de usuarios externos malintencionados. Se presta poca atención a limitar a los usuarios maliciosos para que no utilicen la nube para lanzar ataques, como los realizados por botnets. Estos ataques incluyen el lanzamiento de un ataque DDoS, el envío de spam y la ejecución de fraude por clic. La detección de bots en el entorno de la nube es un proceso complejo. El objetivo de este estudio fue crear una arquitectura multicapa que pudiera detectar una variedad de botnets existentes y emergentes. El objetivo es poder detectar una gama más amplia de bots y botnets confiando en varias técnicas llamadas modelo de confianza. En este trabajo, la verificación de acceso al puerto en el modelo de confianza se logra mediante un algoritmo de factorización heurística que verifica la accesibilidad del puerto entre el cliente final y el servidor del cliente. Además, se extraen características de retroceso del nodo particular y todas estas estructuras se entrenan y se categorizan con un clasificador de Sistema Experto Co-Activo Neuro Difuso (CANFES). El rendimiento del sistema de detección de bots propuesto en el entorno de Internet se analiza en cuanto a latencia, tasa de detección, proporción de entrega de paquetes, disponibilidad de energía y precisión.