El sistema operativo Android (OS) ha sido recientemente destacado como el sistema operativo más comúnmente utilizado e integrado en los ecosistemas de smartphones. Esto se debe a su alta interoperabilidad como plataforma de código abierto y su compatibilidad con todos los principales navegadores dentro del ecosistema móvil. Sin embargo, Android es susceptible a una amplia gama de tráfico de spyware que puede poner en peligro a un usuario móvil de muchas maneras, como el robo de contraseñas y la grabación de patrones de un usuario. Este documento presenta esquemas de identificación de spyware para sistemas Android utilizando tres diferentes esquemas de aprendizaje automático, incluyendo árboles de decisión finos (FDT), máquinas de soporte vectorial (SVM) y el clasificador de Bayes ingenuo (NBC). Los modelos construidos han sido evaluados en un nuevo conjunto de datos (Spyware-Android 2022) utilizando varias unidades de medida de rendimiento como precisión, exactitud y sensibilidad. Nuestros tests de simulación experimental revelaron la notable eficacia del modelo basado en FDT, alcanzando una precisión máxima del 98.2%. La comparación con los modelos de identificación de spyware de última generación para sistemas Android mostró que nuestro modelo propuesto había mejorado la precisión del modelo en más de un 18%.