Se introduce un algoritmo de red de gráficos temporales (TGN) para identificar actividades fraudulentas dentro de una plataforma digital. La premisa central es que las transacciones digitales pueden ser modeladas a través de una red de gráficos donde interactúan diversas entidades. Los datos utilizados para construir un gráfico temporal basado en eventos (ETG) fueron obtenidos de una plataforma de pagos en línea e incluyen detalles como usuarios, tarjetas, dispositivos, cuentas bancarias y características relacionadas con todas estas entidades. Con base en estos datos, se crearon siete gráficos distintos; los tres primeros representan eventos de interacción individuales (registro de tarjeta, registro de dispositivo y registro de cuenta bancaria), mientras que los cuatro restantes son combinaciones de estos gráficos (tarjeta-dispositivo, tarjeta-cuenta bancaria, dispositivo-cuenta bancaria y registro de tarjeta-dispositivo-cuenta bancaria). Este enfoque se adoptó para determinar si la estructura del gráfico influyó en la detección de transacciones fraudulentas. Los resultados demuestran que integrar más eventos de interacción en el gráfico mejora las métricas, lo que significa que los gráficos que contienen más eventos de interacción producen resultados superiores en la detección de fraudes que aquellos basados en eventos individuales. Además, los datos utilizados en este trabajo corresponden a transacciones de pago latinoamericanas, lo cual es relevante en el contexto de la detección de fraudes ya que esta región tiene la tasa de fraude más alta del mundo, sin embargo, pocos estudios se han centrado en este tema.