Las transacciones con partes relacionadas (RPTs) pueden servir como canales para la propagación de eventos de riesgo crediticio entre empresas de blockchain. Sin embargo, los modelos actuales de evaluación de riesgo crediticio suelen considerar únicamente las características individuales de una empresa, pasando por alto el impacto de las partes relacionadas en la blockchain. Sugerimos incorporar el análisis de la red de RPT para mejorar la evaluación del riesgo crediticio. Nuestro enfoque comienza representando una red de RPT utilizando una matriz de adyacencia ponderada. Luego aplicamos DANE, un algoritmo de incrustación de redes profundas, para generar representaciones vectoriales condensadas de las empresas dentro de la red. Estas representaciones se utilizan posteriormente como entradas para los modelos de evaluación de riesgo crediticio para predecir la distancia por defecto. Posteriormente, empleamos SHAP (Explicaciones Aditivas de Shapley) para analizar cómo la información de la red contribuye a la predicción. Por último, este estudio demuestra el efecto potenciador del uso de características integradas basadas en DANE en la evaluación del riesgo crediticio.