El inicio de COVID-19 ha reemfatizado la importancia de FinTech, especialmente en los países en desarrollo, ya que las principales potencias del mundo ya están disfrutando de las ventajas que conlleva la adopción de FinTech. El manejo de efectivo físico se ha establecido como un medio de transmisión del nuevo coronavirus. Además, la investigación ha demostrado que estar sin banco aumenta la posibilidad de caer en la pobreza extrema. A lo largo de los años, los países en desarrollo han estado pilotando diversas formas de FinTech, pero la que ha llegado para quedarse son las Transacciones de Dinero Móvil (TDM). A medida que las transacciones de dinero móvil intentan ganar terreno, enfrentan varios problemas, siendo el más importante el fraude en dinero móvil. Este documento busca proporcionar una solución a este problema mediante el análisis de algoritmos de aprendizaje automático basados en máquinas de soporte vectorial (basados en kernel), árboles de decisión potenciados por gradiente (basados en árboles) y Naïve Bayes (basados en probabilidades), teniendo en cuenta la naturaleza desequilibrada del conjunto de datos. Nuestros experimentos mostraron que el uso de árboles de decisión potenciados por gradiente tiene un gran potencial para combatir el problema del fraude en dinero móvil, ya que pudo producir resultados casi perfectos.