数据挖掘是机器学习领域重要的技术之一，也是知识发现的一个重要过程。其目的就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取或挖掘隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。现有计算机审计方法零散，均是人工手动处理和分类，且社保审计监测指标的发现和提取工作也是人工手动进行，使得审计经验的共享程度比较低，为审计工作者带来了诸多不便。本文在总结数据挖掘技术的国内外研究现状和研究成果的基础上，介绍了数据挖掘相关技术和理论知识，特别是关联规则分析技术和聚类分析技术；针对现有社保审计词库的不足，使用新词的识别算法，给出了社保审计词库的动态更新过程；并在此基础之上，以社会保险审计方法集为实验数据集，针对聚类算法中经典k-均值算法的两大缺陷，首次给出了关联规则分析技术中最小规则覆盖集的概念，并提出了基于最小规则覆盖集的K-均值改进算法，有效地改善了聚类效果，并成功应用于审计监测指标发现和提取过程中，从而进一步研究社保审计监测指标的发现和提取方法；审计监测指标发现和提取系统也应运而生，为后期的审计工作奠定了良好的基础。