En este documento, proponemos un método híbrido para detectar cuentas falsas en Instagram utilizando los algoritmos de Optimización de Lobo Gris Binario (BGWO) y Optimización de Enjambre de Partículas (PSO). Al combinar estos dos algoritmos, nuestro objetivo es aprovechar sus fortalezas complementarias y mejorar el rendimiento general de la optimización. Evaluamos el método híbrido propuesto utilizando cuatro clasificadores: Red Neuronal Artificial (ANN), Vecino Más Cercano (KNN), Máquina de Vectores de Soporte (SVM) y Regresión Logística (LR). El conjunto de datos para los experimentos contiene 65,329 cuentas de Instagram. Extraemos características de cada cuenta, incluyendo información de perfil, comportamiento de publicación y métricas de participación. Las Optimizaciones de Lobo Gris Binario y de Enjambre de Partículas, al combinarse para formar un método híbrido (BGWOPSO), mejoraron el rendimiento en la detección precisa de cuentas falsas en Instagram.