본 논문은 무선 센서 네트워크(WSN)의 타이밍 이상 탐지를 위해 주파수 영역 특징과 동적 그래프 신경망(GNN)을 자기 인코더 재구성 프레임워크와 통합하는 새로운 방법을 제안합니다. 기존의 어텐션 기반 트랜스포머 모델의 장기 의존성 포착의 신뢰성 부족, 높은 계산 복잡도, 그리고 다중 노드 WSN 타이밍 데이터의 상관 이상 탐지를 위한 시공간 특징 추출 부족 문제를 해결하기 위해, 이산 웨이블릿 변환을 통해 시계열의 추세 및 계절적 요소를 효과적으로 분해하고, 주파수 영역 어텐션 메커니즘을 설계하여 정상 데이터와 이상 데이터의 진폭 분포 차이를 활용합니다. 또한, 어텐션 메커니즘과 GCN을 결합한 다중 모드 융합 기반 동적 그래프 합성곱 네트워크(MFDGCN)를 설계하여 공간 상관 특징을 적응적으로 추출합니다. 공개 데이터셋에 대한 실험 결과, 제안된 방법은 기존 방법보다 우수한 정밀도와 재현율을 보이며, F1 점수 93.5%를 달성하여 기존 모델 대비 2.9% 향상을 보였습니다.
