Las remesas de migrantes se han vuelto significativas en la reducción de la pobreza y el desarrollo microeconómico en países de bajos ingresos. Sin embargo, la facilidad para realizar transferencias de remesas de migrantes a nivel global también ha introducido el riesgo de mal uso por parte de organizaciones terroristas para mover y ocultar rápidamente fondos operativos, facilitando la financiación del terrorismo. Este estudio tiene como objetivo desarrollar un algoritmo de aprendizaje automático no supervisado capaz de detectar transacciones financieras sospechosas asociadas con la financiación del terrorismo en remesas de migrantes. Para lograr este objetivo, se desarrolló un modelo de ecuaciones estructurales (SEM) y un algoritmo de detección de valores atípicos para analizar e identificar transacciones sospechosas entre las actividades financieras de los migrantes que residen en Bélgica. Los resultados muestran que el modelo SEM clasifica un número significativamente alto de transacciones como sospechosas, lo que lo hace propenso a detectar falsos positivos. Finalmente, el estudio desarrolló un algoritmo de detección de valores atípicos en conjunto que comprende un bosque de aislamiento (IF) y un factor de valores atípicos local (LOF) para detectar transacciones sospechosas en el mismo conjunto de datos. El modelo tuvo un rendimiento excepcional, siendo capaz de detectar más del 90% de las transacciones sospechosas.