La identificación de dispositivos es un tema fundamental en el Internet de las Cosas (IoT). Muchos servicios críticos, incluyendo el control de acceso y la prevención de intrusiones, se basan en la identificación correcta de cada dispositivo único en una red. Sin embargo, la identificación de dispositivos enfrenta muchos desafíos en el IoT. Por ejemplo, una técnica común para identificar un dispositivo en una red es utilizar la dirección MAC del dispositivo. Sin embargo, las direcciones MAC pueden ser fácilmente falsificadas. Por otro lado, los dispositivos IoT también incluyen características dinámicas como patrones de tráfico que podrían ser utilizados para la identificación de dispositivos. Los enfoques asistidos por aprendizaje automático son prometedores para la identificación de dispositivos, ya que pueden capturar comportamientos dinámicos de los dispositivos y tienen capacidades de automatización. Las técnicas de aprendizaje automático supervisado demuestran altas precisiones para la identificación de dispositivos. Sin embargo, requieren un gran número de conjuntos de datos etiquetados, lo que puede ser un desafío. Por otro lado, el aprendizaje automático no supervisado también puede alcanzar buenas precisiones sin requerir conjuntos de datos etiquetados. Este artículo presenta un enfoque de aprendizaje automático no supervisado para la identificación de dispositivos IoT.