UNDERCOVER 打造 MADSTORE 2018 春夏独占系列，复古油画很拉风~

法条授权立法一般是在规定某些具体事项时以由××机关作出规定由××机关另作规定由××机关特别规定由××机关补充规定由××机关变通规定等方式授出。

习近平代表十九届中央委员会向大会作的报告共分15个部分：一、过去五年的工作和新时代十年的伟大变革。第五部分实施科教兴国战略，强化现代化建设人才支撑涉法1处。

全面依法治国总体格局基本形成 2022年10月中下旬召开的党的二十大，是我们党历史上一次非常重要的会议。坚持中国特色社会主义法治道路。坚持在法治轨道上推进国家治理体系和治理能力现代化。从上述规定来看，立法两字构成的词组一是立法权，二是基层立法联系点。十一、推进国家安全体系和能力现代化，坚决维护国家安全和社会稳定。

在党的二十大报告的第十四部分促进世界和平与发展，推动构建人类命运共同体中，共有1处提到法字，但已经为第十四部分的主题目标奠定了充实的法律基础。习近平代表党的十九届中央委员会向党的第二十次全国代表大会所作的工作报告，紧扣党的二十大主题，突出强调要高举中国特色社会主义伟大旗帜，为全面建设社会主义现代化国家而团结奋斗。可是，按照当下仅以违法、违约为失信行为要件事实的逻辑，失信惩戒中对守法、守约信息的利用体现在哪里呢？而且，将违法、违约信息视为失信信息，还破坏了信用信息的整体性，泯灭了其他信用信息的价值，使得失信惩戒无法回应实践的多样性。

因此，建立相应的以算法规制算法的机制，不仅能满足当事人的异议权，还能通过数据的更新与丰富促成算法机制的改善与革新。二是行政机关可以通过征信机制、政府数据开放机制或其他公私合作渠道获得信用信息，不需要通过正当程序满足信息收集的正当性。缺乏动力的失信惩戒机制不可能稳定地发挥制裁功能以实现社会信用制度的失信治理目标。[89]王锡锌：《个人信息权益的三层构造及保护机制》，载《现代法学》2021年第5期，第111页。

[30]认为借方有信用，即意味着贷方信任该人，授信予其没有风险。正是基于这两方面的效用，2019年1月发布的《国务院办公厅关于全面推行行政执法公示制度执法全过程记录制度重大执法决定法制审核制度的指导意见》第17条提出：一是要推动行政执法裁量的决策辅助系统，规范行政自由裁量权，确保执法尺度统一。

[64]就此而言，信用算法就是按照一定的相关性设定，对特定信用信息进行处理，从而预测相对人的失信风险及其等级以及相应应对方式的方法。[37]就此而言，基于信用评分而安排交易策略，本质上就是方兴未艾的基于数据的治理。[49]就此而言，与旨在通过事后制裁来治理失信行为的行政处罚化思路相比，从风险管控视角出发，我国当下信用立法所建构的公法化失信惩戒体系，可以得到更为体系化、层次化的解释与建构，并由此具备一体法治化的契机。尽管大数据使得一切数据都是信用数据，但万物有联的同时万物依然有别，同样的信息对于不同的事物在权重与关联性上别有意蕴。

（一）以信用算法作为失信惩戒法治化的中心 失信惩戒旨在管控将来的交易风险，因此信用算法是典型的预测算法。当然，因为涉及公民对于公共资源的公平分享权，行政机关不能像市场主体那样，以契约自由为名不受限制地实施失信惩戒。认为借方会失信，即意味着贷方认为借方会使自己陷入不能获得偿付的窘境。当然，在管控、规避交易风险的同时，失信惩戒在客观上具有不容否定的惩戒效果，即它让失信者失去了交易机会或是要付出更多的成本才能获得交易机会。

参见陈兴良：《本体刑法学》，商务印书馆2001年版，第850页。然后，风险管控原则意味着信用算法所需信息亦即信用信息的归集必须坚持真实性、有限性与关联性。

其次，风险管控原则意味着信用算法要以包容为原则。贺学会、王海峰、王小曼：《企业信用行为与失信惩戒机制：一个基于信用资本的分析框架》，载《金融研究》2008年第10期，第150页。

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。[80]过度收集不仅于事无补，还会放大个人信息泄漏的风险，并为过度复杂的算法提供不透明、不负责的借口。[74]F. Pasquale, Restoring Transparency to Automated Authority.9 J.on Telecomm. High Tech. L.235,237(2011). [75]Alex Griffiths, The Practical Challenges of Implementing Algorithmic Regulation for Public Services, in Algorithmic Regulation 144,158(Karen Yeung Martin Lodge eds., Oxford University Press 2019). [76]Mikella Hurley Julius Adebayo, Credit Scoring in the Era of Big Data,18 Yale Journal of Law and Technology 148,172(2016). [77]参见丁晓东：《论算法的法律规制》，载《中国社会科学》2020年第12期，第146页。当下不少信用立法将违约行为视为失信行为，施加失信惩戒。但如果行政机关只依赖单方面的暴力机制，就难免因独木难支而无法充分实现这一目标。当下信用治理大行其道的根本是蓬勃发展的大数据与人工智能突破了政府对数据的收集与处理瓶颈及政府对新型治理机制的需求，而不是因为立法者主观上将其作为制裁手段。

为此，信用评分必须结合交易的具体场景，尽可能地收集更多信息作综合判断并决定风险管控形式，而不能仅仅因为交易对手方此前有违法、违约行为就认定失信。这一逻辑可以归为失信治理的预防论范畴，与属于制裁论范畴的行政处罚化思路迥然有异。

基于越是能规训自己符合信用体制的要求就越能获得资源的信用法则，公民不得不遵纪守法、诚实守信，守信由此得以内化。沈毅龙：《论失信的行政联合惩戒及其法律控制》，载《法学家》2019年第4期，第124页。

在交易需求不变的情况下，因失信惩戒而取消的交易必然要流向守信者，守信者必然因获得更多交易机会而更加守信。因为社会信用机制能动员市场主体形成社会化制裁，起到激励市场主体更佳守法、优化合规水平的作用，所以行政机关越来越喜欢通过公布违法事实或黑名单实施监管。

[15]罗培新：《社会信用法：原理·规则·案例》，北京大学出版社2018年版，第56页。但这一界定只会削弱市场主体参与失信惩戒的意愿，使立法者对失信惩戒的期待落空。在算法就是法律的时代，[67]就像恶法不断产生恶行一样，不科学、不公平的算法会源源不断地产生错误的惩戒，这将导致不合理失信惩戒的体制化、系统化、持续化与普遍化。预防论的刑法并非刑法主流，以预防违法为主要目的的诸多行政强制措施只能依附于、混同于行政处罚进而被严格限制，即为鲜明例证。

这就难免导致失信惩戒过惩失当，违背行政处罚所应遵守的过罚相当原则与相应的明确性原则。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。

[29]因此，将失信惩戒视为行政处罚，无法在失信惩戒与信用修复之间建立有机统一的联系。[92] 二是信用算法的试点试验机制，即通过同一领域、同一类型信用风险的多类型算法试验，来评判哪种信用算法更具包容性、可解释性、准确性，能更好地实现个体发展与风险管控之间的平衡。

作为失信惩戒的基础，信用算法自然也不能逃离这一原则的规范。[73]不过，从管控风险而不是惩戒失信这一目的出发，将其命名为包容原则或鼓励交易原则更为合理。

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。违法、违约在失信惩戒中只具有信用信息意义，而无行为意义。比如，一个人已经年老退休，不会再次从事相关职业岗位并利用该岗位之便利而违法犯罪，也就无需再限制其从业资格。这也是国家对个人信息受保护权所承担的义务的应有之义。

[51]黄锫：《为什么选择性执法？制度动因极其规制》，载《中外法学》2021年第3期，第787页。[22]参见《上海市社会信用条例》第26条、《南京市社会信用条例》第48条、《江苏省社会信用条例》第49条。

[27]参见解志勇、王晓淑：《正当程序视阈下信用修复机制研究》，载《中国海商法研究》2021年第3期，第4页。[44]总之，趋利避害心理会驱动市场主体自觉参与、执行失信惩戒，失信惩戒机制由此成为一个只需国家投入少量资源加以润滑就可以运行无碍的系统，可以高度自足地生成经济领域信用环境。

[2]参见秦前红、陈芳瑾：《地方信用立法的探索模式研究》，载《法治社会》2021年第4期，第89页。此外，国家还应当建立官方信用算法机构，为市场主体提供信用评级服务，避免私人公司合谋垄断信用算法，避免商业公司开发的算法自说自话却不受制约。