Hay una variedad de razones por las cuales los teléfonos inteligentes se han vuelto tan omnipresentes en nuestras vidas diarias. Si bien sus beneficios son innegables, los usuarios de Android deben estar atentos a las aplicaciones maliciosas. El objetivo de este estudio fue desarrollar un marco amplio para detectar malware en Android utilizando múltiples clasificadores de aprendizaje profundo; este marco se denominó DroidMDetection. Para proporcionar una detección de malware en Android precisa y dinámica, así como la agrupación de diferentes familias de malware, el marco utiliza metodologías únicas basadas en técnicas de aprendizaje profundo y procesamiento de lenguaje natural (NLP). En comparación con otros trabajos similares, DroidMDetection (1) utiliza llamadas a la API e intenciones además de los permisos comunes para lograr un análisis amplio de malware, (2) utiliza resúmenes de características que un auto-codificador profundo genera para agrupar las muestras de malware detectadas en grupos de familias de malware, y (3) se beneficia de ambos métodos de extracción y selección de características. Se utilizaron numerosos conjuntos de datos de referencia para realizar análisis en profundidad del marco. La tasa de detección de DroidMDetection fue alta, y los clústeres creados fueron relativamente consistentes, sin importar los parámetros de evaluación. DroidMDetection supera a las soluciones de vanguardia MaMaDroid, DroidMalwareDetector, MalDozer y DroidAPIMiner en todas las métricas que utilizamos para medir su efectividad.