フェデレーテッドラーニング（FL）は、クライアントが分散された方法で共同でモデルを訓練する手法です。しかし、従来の研究は一貫したクライアント参加を前提としており、動的参加（DPFL）の現実的な状況を見落としています。本研究では、動的参加の下でFLモデルをベンチマークするために設計された初のオープンソースフレームワークを提案します。このフレームワークは、データ分布、参加パターン、評価指標をカスタマイズでき、DPFLシナリオに特化した課題を体系的にサポートします。実験により、動的参加下でのFLモデルの性能が大幅に低下することが明らかになりました。さらに、知識プールに基づくフェデレーテッドラーニング（KPFL）という汎用プラグインを提案し、アクティブ及びアイドルクライアント間で知識プールを維持し、モデルの安定性と一般化能力を向上させることが示されています。