La aplicación Android IoT es el sistema de implementación más común en el ecosistema móvil. A medida que los ataques han aumentado con el tiempo, es probable que ocurran ataques de malware en aplicaciones móviles IoT Android 5G. La gran amenaza que representa el malware para la seguridad de los sistemas de comunicación lo ha convertido en uno de los principales focos de investigación en seguridad de la información. Por lo tanto, este documento propone un nuevo modelo de red neuronal gráfica basado en un grafo de tráfico de red para la detección de malware de Android (NT-GNN). Mientras que algunos sistemas actuales de detección de malware utilizan datos de tráfico de red para la detección, ignoran las complejas relaciones estructurales del tráfico de red, centrándose exclusivamente en el tráfico de red entre pares de puntos finales. Además, nuestro modelo de red neuronal gráfica de tráfico de red sugerido (NT-GNN) considera los aspectos de nodo y borde del grafo, capturando la conexión entre diversos flujos de tráfico e atributos de tráfico individuales. Primero extraemos el grafo de tráfico de red y luego lo detectamos utilizando una arquitectura de red neuronal gráfica novedosa. Finalmente, experimentamos con el modelo NT-GNN propuesto en los conocidos conjuntos de datos de malware de Android CICAndMal2017 y AAGM y logramos una precisión del 97%. Los resultados reflejan la naturaleza sofisticada de nuestra metodología. Además, queremos proporcionar un nuevo método para la detección de código malicioso.