制定《党史学习教育工作条例》，弘扬伟大建党精神，完善中国共产党人精神谱系研究宣传阐释机制，持之以恒推进党史总结、学习、教育、宣传，引导党员干部学史明理、学史增信、学史崇德、学史力行，传承红色基因，赓续红色血脉。
综上所述，本案的论证思路就为：利害关系=未明示当事人+(合法权益)+因果关系+权利保护必要性，而(合法权益)+因果关系+权利保护必要性=保护规范理论。如上文表1所示，保护规范理论当前主要在一种课予义务诉讼中得到适用，即起诉人请求行政机关履行对第三人违法行为的监管职责。
[41] 参见[德]弗里德赫尔穆·胡芬：《行政诉讼法》，莫光华译，法律出版社2003年版，第135页。参见李百勤诉郑州市二七区政府不履行法定职责案，最高人民法院(2019)最高院行申2975号行政裁定书。另外还有部分案例同为投诉举报案件，但在运用规范事实要素混合型的同时引入了请求权基础理论，有的甚至撇开司法解释的规定，径直展开保护规范理论的论证。判断权利保护必要性要件[6]的模式称为客观要素型。但基于未明示当事人理论，法院认为承租人申请许可所提交的材料中包括房屋所有权证等文件，可视同利害关系成立。
(一)权利保护必要性与保护规范理论的分离我国审判实践将保护规范理论用于权利保护必要性(也称狭义的诉的利益)的论证这一现象，已为学者所留意。[6] 该要件也称为一般法律保护需要、狭义的诉的利益。基于这一逻辑，在大数据时代，在所有数据都是信用数据的理念指导与强大的数据收集、处理技术的加持下，信用信息的范围更是无远弗届，人们的购物地点、购物行为、在线社交媒体网络以及与信誉没有直观关联的其他因素都被囊括其中。
（二）以风险管控原则规范信用算法 既然失信惩戒的合法性在于风险管控，那么它就必须以此为限度与边界。[93]虞青松：《算法行政：社会信用体系治理范式及其法治化》，载《法学论坛》2020年第2期，第41页。因此，信用信息的范围必须由风险、信用算法的逻辑来限定。当然，相较于行政处罚式法治化进路，将之理解为风险管控手段进而法治化的难度更大。
不规范失信惩戒赖以发生的信用画像算法，[66]就可能否定惩戒措施的合法性。道德法律化以道德具有公共性为前提，[12]但守约之德并非公德，它不处理公共场域的道德关系，无需也不能上升为公域中的公德进而上升为法律义务。
三是信用算法的算法规制机制。另一方面，道德化和交易风险的管控需求不协调。才能理解失信惩戒为何只有成为社会信用惩戒才真正具有惩戒效果，才成为失信治理机制。因为，算法在很多方面危及包括法治与基本权利在内的多数基石性法律概念，动摇了现存法律体系。
其三，失信惩戒的社会性也决定了要以信用算法为法治化中心。[7]这不仅凭空造就了难以解决的合法性难题及其他困境，还会使《纲要》所预期的失信治理效能落空，更因割裂失信惩戒与个人信用数据的有机关联而难以适应大数据时代社会治理的革新趋势与需要。[2]在修订行政处罚法的过程中，全国人大常委会部分委员也如此建议。[60]就此而言，大数据与人工智能不仅为失信惩戒提供了坚实的技术支撑，也在推动它成为主流的基于数据的治理方式。
[62] 三、失信惩戒法治化的建构 大数据与人工智能算法补足了失信惩戒精准性欠缺的短板，提升了它的合法性，推动其成为主流的社会治理方式，也给它的法治化带来了难题。[29]以刑罚为例，减刑（责）以社会危害性降低和社会危害后果的降低为圭臬，而有重大立功表现是减刑的绝对实质条件，即对社会有重大立功必然减刑。
另一方面，市场主体为了更好地规避风险，还会主动提供各种信用信息以支撑、扩张信用机制作用的领域、场景与有效度。而关联性又决定了有限性或最小性。
[20] （三）难以实现《纲要》的失信治理预期 联合惩戒揭示了这样一个现实：没有市场主体的广泛参与，就没有有效的失信惩戒。这种按风险大小分配资源的基于风险的规制（risk-based regulation），可以让行政机关实施有的放矢松紧有度的干预，在最大化监管收益的同时最小化被监管方的负担，[57]精准实现执法资源配置的优化与治理的优化。然而，道德法律化的严格条件又决定了这种法治化进路的诸多困境：难以解释行政机关进入私法领域对违约行为施加强制性制裁的问题。[20]朱芒：《作为行政处罚一般种类的通报批评》，载《中国法学》2021年第2期，第164—165页。信用修复往往采取以良好信息中和不好信息，以废除不好信息消除其对信誉的伤害的方式，来证明失信者还是可以挽救的好同志。正如有学者指出的，在不同行业和不同领域，信用维度各有差异……信用的分级分类由用信主体依据用信场景，运用不同的算法自主确定，是唯一科学的做法。
[24]钟楚男主编：《个人信用征信制度》，中国金融出版社2002年版，第12页。虞青松：《算法行政：社会信用体系治理范式及其法治化》，载《法学论坛》2020年第2期，第36—37页。
一些法学学者正是从信用治理与大数据的内在关联出发，主张从大数据时代数字治理而不是单纯的行政处罚的角度出发来理解失信惩戒及其法治化。这一规制思路，业已在个人信息保护法中有所呈现。
[97]就失信惩戒法治化而言，这些困境正是因为当下失信惩戒立法者未能认识到：失信惩戒是建立在信用信息与信用算法之上的信用风险管控机制，而不是违法、违约行为之上的制裁机制。失信惩戒则无法被纳入这一框架。
[38]面对如此复杂多样的信息，信用评分更加不可能采用有违法、违约就算失信的要件构成模式，而是必须依赖于越来越复杂的信用算法。进言之，面对治理目标，是否就一定要用失信惩戒而不是其他治理手段？有学者指出，过度适用基于大数据的信用机制，会导致合同与信任等诸多其他社会治理机制丧失机能。[37]林均跃：《社会信用体系原理》，中国方正出版社2003年版，第73—80页。但基于失信惩戒的数据治理手段的本质、风险管控属性及其社会性，还是可以从信用算法而非失信惩戒行为入手，以信用算法为中心建构法治化失信惩戒的大致框架。
参见陈兴良：《本体刑法学》，商务印书馆2001年版，第850页。[61]参见虞青松：《算法行政：社会信用体系治理范式及其法治化》，载《法学论坛》2020年第2期，第36—37页。
但是，由于信用信息服务于信用算法的运作，因此，对信用信息的规制可以纳入信用算法的规制。[10]参见彭錞：《失信联合惩戒制度的法治困境及出路——基于对41份中央级失信惩戒备忘录的分析》，载《法商研究》2021年第5期，第55页。
[28]一旦信用得以修复，失信惩戒措施就应该减少或降低烈度，但这一逻辑无法协调处罚化的失信惩戒。[45]因此，发达国家和地区通常并不特别详尽地规定信用联合激励和联合惩戒的具体法律规则，而更多地留给市场经济主体根据交易的情况去实施信用激励和信用惩戒。
[75]正如有论者指出的，一个人偿还贷款的相对能力可能取决于多种因素，而一个更细致的、能整合更广泛的数据的模型，至少可以解决包容性不足的问题。故此，仅仅从客观效果出发将市场主体的失信惩戒理解为提高失信主体交易成本，无法解释市场主体参与失信惩戒的动力，进而难以作出针对性设计以促成联合惩戒机制。在传统信用评估中，不独违法、违约信息，企业的品德（character）、资本（capital）、能力（capacity）、抵押（collateral）方面的信息，能够对企业偿付能力产生影响的社会经济发展趋势与特定发展和变动情况（condition）信息，个人身份、信贷与公共事业缴费信息、公共记录即遵纪守法信息、就业信息与消费信息，都属信用信息。比如，食药监督管理部门根据《关于实施餐饮服务食品安全监督量化分级管理工作的指导意见》（国食药监食〔2012〕5号），用大笑微笑和平脸三种卡通形象在餐饮服务单位显著位置显示餐饮服务食品安全等级，但消费者往往并不关注，实际效果很不理想。
[14]参见彭錞：《失信联合惩戒制度的法治困境及出路——基于对41份中央级失信惩戒备忘录的分析》，载《法商研究》2021年第5期，第56页。与之相应，信用评级不能跨风险区域而适用，不得具有跨区域效力。
但问题不在于法律道德化，因为法律就是最低的道德，问题在于诚信这一美德难以法律化。一言以蔽之，只能在发展中解决失信惩戒的法治化问题。
（二）难以满足公民权利救济需要 《纲要》提出，要使失信者一处失信，处处受限。有些学者提出失信惩戒要奉行谦抑原则。
