Este artículo propone un nuevo método que puede garantizar una fuerte privacidad al minimizar la pérdida de información en datos transaccionales compuestos por un conjunto de cada valor de atributo en una base de datos relacional, la cual no es generalmente conocida como datos estructurados. El esquema propuesto adopta el mismo algoritmo de particionamiento de arriba hacia abajo que el modelo de -anonimato existente, utilizando generalización local para optimizar la seguridad y el tiempo de ejecución de la CPU. Al mismo tiempo, la tasa de pérdida de información, que es una desventaja de la generalización local existente, se mejora aún más al reasignar transacciones a través de un proceso adicional de búsqueda de árbol de abajo hacia arriba después del proceso de particionamiento. Nuestro esquema muestra un tiempo de procesamiento muy rápido en comparación con el algoritmo HgHs que utiliza técnicas de generalización y eliminación. En cuanto a la pérdida de información, nuestro esquema muestra un rendimiento mucho mejor que cualquier esquema propuesto hasta ahora, como la generalización local existente o el algoritmo HgHs. Para evaluar la eficiencia de nuestro algoritmo, el experimento comparó su rendimiento con la generalización local existente y el algoritmo HgHs, en términos tanto de tiempo de ejecución como de tasa de pérdida de información. Como resultado del experimento, por ejemplo, cuando es 5 en -anonimato para el conjunto de datos BMS-WebView-2, el tiempo de ejecución de nuestro esquema es hasta 255 veces más rápido que el algoritmo HgHs, y en cuanto a la tasa de pérdida de información, nuestro método mostró una tasa máxima de 62.37 veces menor que el algoritmo de generalización local.