L'apprendimento automatico locale è un modello che gira sul dispositivo stesso, oppure in un ambiente fidato vicino, invece di inviare i dati a un server remoto per ogni decisione. Nella sicurezza informatica, questo è importante perché può ispezionare i contenuti rapidamente, preservare la privacy e mantenere parte dell'analisi all'interno del perimetro di fiducia dell'app o dell'endpoint.
I difensori usano il machine learning locale per attività come il rilevamento delle truffe, il filtraggio dello spam, il triage del malware e l'individuazione delle anomalie. Poiché le decisioni avvengono vicino all'utente, gli avvisi possono comparire esattamente nel momento in cui sta per verificarsi un'azione rischiosa. Il compromesso è che i modelli locali sono vincolati dalle risorse del dispositivo e possono essere più facili da eludere con sottili modifiche del testo, quindi possono produrre falsi positivi o non rilevare nuovi schemi di attacco. Per questo motivo, il machine learning locale è di solito un livello di difesa, non un controllo di sicurezza completo.