Detectar vulnerabilidades de ciberseguridad en dispositivos de Internet de las Cosas (IoT) antes de que sean explotadas es cada vez más desafiante y es una de las tecnologías clave para proteger los dispositivos IoT de los ciberataques. Este trabajo realiza una encuesta exhaustiva para investigar los métodos y herramientas utilizados en la detección de vulnerabilidades en entornos de IoT utilizando técnicas de aprendizaje automático en varios conjuntos de datos, es decir, IoT23. Durante este estudio, se analizan las vulnerabilidades potenciales comunes de las arquitecturas de IoT en cada capa y se describe el flujo de trabajo de aprendizaje automático para detectar vulnerabilidades de IoT. Se propuso un marco de detección y mitigación de vulnerabilidades para la detección de vulnerabilidades basada en aprendizaje automático en entornos de IoT, y se presenta una revisión de las tendencias de investigación recientes.