Con el crecimiento de Internet y la popularidad de los dispositivos móviles, propagar rumores en redes sociales se ha vuelto cada vez más fácil. Los rumores generalizados pueden causar pánico público y tener efectos adversos en las personas. Recientemente, los investigadores han descubierto que el conocimiento externo es útil para detectar rumores. Suelen utilizar enfoques estadísticos para calcular la importancia de diferentes conocimientos para la publicación. Sin embargo, estos métodos no pueden agregar la información de conocimiento más beneficiosa para detectar rumores. Además, la importancia de la propagación y la información de conocimiento para discriminar rumores difiere entre las etapas temporales. Los métodos existentes suelen utilizar una simple concatenación de dos tipos de información como representación de características. Sin embargo, este enfoque carece de una integración efectiva de la información de propagación y la información de conocimiento. En este documento, proponemos un modelo de detección de rumores, Red de Fusión de Conocimiento Espacial-Temporal Adaptativa (ASTKN). Para agregar adaptativamente la información de conocimiento, ASTKN emplea redes de atención gráfica dinámica que codifican la estructura temporal del conocimiento. Para fusionar mejor la información de la estructura de propagación y la información de la estructura de conocimiento, introducimos un nuevo mecanismo de atención para fusionar dinámicamente los dos tipos de información. Experimentos extensos en dos conjuntos de datos del mundo real muestran que nuestra propuesta produce mejoras significativas en comparación con líneas de base sólidas y que puede detectar rumores en etapas tempranas.