Las plataformas de redes sociales como Instagram se han convertido en un refugio para estafas en línea, empleando diversas tácticas engañosas para explotar a usuarios desprevenidos. Este documento investiga enfoques algorítmicos avanzados para combatir esta creciente amenaza. Exploramos varios modelos de aprendizaje automático para la detección de perfiles fraudulentos en Instagram. Nuestra metodología implica la recopilación de un conjunto de datos completo de una fuente confiable y el preprocesamiento meticuloso de los datos para su análisis. Luego evaluamos la efectividad de una serie de algoritmos de aprendizaje automático, incluidos árboles de decisión, regresión logística, SVM y otros métodos de conjunto. El rendimiento de cada modelo se mide utilizando métricas establecidas como precisión, recuperación y puntuaciones F1. Nuestros hallazgos indican que los métodos de conjunto, en particular random forest, XGBoost y gradient boosting, superan a otros modelos, logrando una precisión del 90%. Los conocimientos obtenidos de este estudio contribuyen significativamente al cuerpo de conocimientos en la informática forense de redes sociales, ofreciendo implicaciones prácticas para el desarrollo de herramientas automatizadas para combatir el engaño en línea.