دستگاه‌های تلفن همراه در عصر ارتباطات رواج زیادی پیدا کرده‌اند و در بین آن‌ها، دستگاه‌های تلفن همراه مبتنی بر اندروید به دلیل راحتی در استفاده، کاربران بسیار زیادی دارند. افراد در تلفن‌های همراه خودکارهای مختلفی از جمله فعالیت‌های بانکی، فعالیت در شبکه‌های اجتماعی و تحصیل‌کردن را انجام می‌دهند و به همین دلیل اطلاعات شخصی زیادی از آن‌ها به دلیل آسیب‌پذیری سیستم‌عامل اندروید در معرض خطر قرار می‌گیرد. به دلیل توسعه سریع بدافزار‌های اندرویدی، بسیاری از روش‌های سنتی تشخیص بدافزار دقت خود را ازدست‌داده‌اند. تحقیقات نشان می‌دهند یادگیری ماشین یک روش مؤثر برای تشخیص بدافزار‌ها است. توسعه سریع بدافزار‌ها باعث می‌شود دقت مدل‌های یادگیری شده بعد از مدتی کاهش پیدا کند. برای حل این مشکل در این مقاله از یادگیری افزایشی و ائتلافی (فدرال) استفاده شده است. اخیراً یادگیری ائتلافی برای آموزش مدل‌های یادگیری ماشین در دستگاه‌های غیرمتمرکز با‌هدف حفظ حریم خصوصی معرفی شده است. این مقاله از شبکه عصبی (MLP) در چارچوب یادگیری ائتلافی استفاده نموده است. نتایج آزمون‌ها و مقایسه آن با روش‌های موجود نشانگر بهبود مرتبه زمانی محاسبات به همراه افزایش کیفیت یادگیری و دقت مدل‌هاست.
