用途：审计并修复 ONNX Runtime 算子形状推断函数中的输出越界写入缺陷。典型模式是 TypeAndShapeInference 用 getNumOutputs() > N 作为守卫，却写入大于 N 的输出索引；当节点声明较少输出时，写入位置超出推断上下文输出向量末尾。
范围：onnxruntime/core/graph/contrib_ops/*.cc 与 shape_inference_functions.cc 中的 schema 级形状推断，在 Graph::Resolve（模型加载时）运行一次，与执行提供器（EP）无关，CPU/CUDA/ROCm 无对应内核副本。
主要能力：识别守卫阈值与最高写入索引不匹配的模式；说明为何较少输出数合法（尾部 Optional 输出降低 min_output，checker 只校验 min_output <= N <= max_output）；定位 sink——InferenceContextImpl::getOutputType 使用未做边界检查的 operator[]，而 getInputType 使用 .at()。
使用方式：用 git grep -n 'getNumOutputs' 扫描所有形状推断守卫，对每个 if (ctx.getNumOutputs() > N) 块找出内部传给 propagateElemTypeFromInputToOutput、updateOutputShape、getOutputType 的最大索引，规则是写入索引 k 则守卫须保证 getNumOutputs() > k。修复时提高守卫阈值，并可在 getOutputType 增加边界检查作为纵深防御。测试需经 Model + Graph::Resolve 路径，负向用例必须非空转，正向用例覆盖全部输出，并兼容 ORT_NO_EXCEPTIONS。
适用场景：审查或加固算子实现及其形状推断，尤其是注意力类 contrib 算子。
限制：资料未提供具体收费、平台或效果信息；部分细节（如各算子完整输出名）需查阅对应 OpSchema。