面对海量的电子审计数据,传统的计算机辅助审计方法仅仅是将手工审计流程计算机化,不能从电子数据中得到更多有价值的信息。近年来学术界和工业界都在尝试将数据挖掘技术引入到计算机审计中。本文依托于某大型军队医院审计与监管信息化系统,将关联规则和孤立点算法引入到了审计证据的获取研究中,并在系统中得到了应用。本文主要研究内容如下:(1)通过查阅国内外的大量文献,研究了数据挖掘方法在计算机辅助审计中的发展现状,并依托于医院的审计与监管信息化系统,将关联规则和孤立点算法引入到了审计证据的获取研究中。其中,关联规则用于获取“一般性”的审计证据,孤立点算法用于获取“异常行为”的审计证据。(2)针对Apriori算法和FP-Growth算法的不足之处,提出了FP-Growth算法的改进算法,省去其中条件FP-树的构造,使用Apriori算法在FP-树上进行频繁项集的挖掘,显著提升了算法的时空效率,通过实验验证了改进算法的有效性。并将关联规则算法引入到审计系统中用于获取关联性的审计证据并取得了预期的效果。(3)针对基于单元的孤立点算法的不足之处提出了动态阈值的方法,然后给出了算法中相关参数的确定方法和算法流程,通过实验验证了改进算法的有效性。并将基于单元的孤立点算法引入到审计系统中用于获取“异常行为”的审计证据并取得了预期的效果。(4)对医院审计与监管信息化系统进行了总体设计,确定了系统包含的模块。并通过UML建模语言详细设计了系统的各模块,完成了系统的开发工作。通过系统线上的实际运行,各功能模块均达到预期效果,能够通过关联规则和孤立点算法获取审计证据。