El crecimiento exponencial del sector de Internet de las Cosas (IoT) ha resultado en un aumento de dispositivos interconectados en hogares inteligentes, exponiéndolos así a nuevas vulnerabilidades ante ciberataques. Esta revisión sistemática de la literatura investiga metodologías de aprendizaje automático para detectar malware en hogares inteligentes, con un énfasis específico en la identificación de amenazas comunes como ataques de denegación de servicio, intentos de phishing y vulnerabilidades de día cero. Al examinar 56 publicaciones publicadas entre 2019 y 2023, este análisis revela que los usuarios son el eslabón más débil y que existe la posibilidad de que los atacantes interrumpan los sistemas de automatización del hogar, roben información confidencial o causen daño físico. Los enfoques de aprendizaje automático, a saber, el aprendizaje profundo y los enfoques de conjunto, están surgiendo como herramientas efectivas para detectar malware. Además, este análisis destaca técnicas de prevención, como sistemas de detección temprana de amenazas, sistemas de detección de intrusiones y procedimientos de autenticación robustos, como medidas cruciales para mejorar la seguridad en los hogares inteligentes. Este estudio ofrece importantes perspectivas para académicos y profesionales que buscan proteger los entornos de hogares inteligentes de las crecientes amenazas cibernéticas al resumir el conocimiento existente.