大数据审计技术方法主要包括以下几种类型：
1. 数据挖掘技术：数据挖掘是从大量数据中提取有价值的信息和模式的过程。在大数据审计中，数据挖掘技术可以帮助审计人员发现潜在的风险和异常行为。常见的数据挖掘技术包括关联规则挖掘、分类算法、聚类分析等。
2. 机器学习技术：机器学习是一种让计算机从数据中学习和改进的方法。在大数据审计中，机器学习技术可以帮助审计人员识别出与特定风险相关的特征，并预测未来的风险事件。常见的机器学习技术包括决策树、支持向量机、神经网络等。
3. 自然语言处理技术：自然语言处理（NLP）是一种使计算机能够理解、处理和生成人类语言的技术。在大数据审计中，NLP技术可以帮助审计人员理解和分析大量的文本数据，从而发现潜在的风险和异常行为。常见的NLP技术包括情感分析、主题建模、命名实体识别等。
4. 可视化技术：可视化技术可以将复杂的数据以图形化的方式展示出来，帮助审计人员更直观地理解和分析数据。在大数据审计中，可视化技术可以用于展示审计过程中的关键指标和趋势，以及发现的潜在风险和异常行为。常见的可视化技术包括柱状图、折线图、饼图等。
5. 云计算技术：云计算是一种通过互联网提供计算资源和服务的模式。在大数据审计中，云计算技术可以帮助审计人员存储和管理大量的数据，并提供灵活的计算和分析能力。常见的云计算技术包括公有云、私有云、混合云等。
6. 区块链技术：区块链技术是一种分布式数据库技术，可以实现数据的去中心化存储和传输。在大数据审计中，区块链技术可以帮助审计人员确保数据的安全性和完整性，防止数据篡改和丢失。常见的区块链技术包括区块链、智能合约等。
7. 人工智能技术：人工智能是一种模拟人类智能的技术，包括机器学习、深度学习、自然语言处理等。在大数据审计中，人工智能技术可以帮助审计人员自动识别和处理大量的数据，提高审计效率和准确性。常见的人工智能技术包括图像识别、语音识别、机器翻译等。
8. 物联网技术：物联网是一种通过传感器和网络实现设备之间的连接和通信的技术。在大数据审计中，物联网技术可以帮助审计人员实时监控和分析设备的运行状态，发现潜在的风险和异常行为。常见的物联网技术包括无线传感器网络、边缘计算等。
9. 大数据分析技术：大数据分析是一种处理和分析大规模数据集的技术。在大数据审计中，大数据分析技术可以帮助审计人员从海量的数据中提取有价值的信息，提高审计的准确性和效率。常见的大数据分析技术包括数据挖掘、机器学习、自然语言处理等。
10. 数据融合技术：数据融合是指将来自不同来源和格式的数据进行整合和分析的过程。在大数据审计中，数据融合技术可以帮助审计人员整合各种类型的数据，提高审计的准确性和全面性。常见的数据融合技术包括数据清洗、数据转换、数据聚合等。
