En términos generales, un ejemplo adversarial contra un modelo de clasificación ocurre cuando una pequeña perturbación en un punto de datos de entrada produce un cambio en la etiqueta de salida asignada por el modelo. Tales ejemplos adversariales representan una debilidad para la seguridad de las aplicaciones de redes neuronales, y se han propuesto muchas soluciones diferentes para minimizar sus efectos. En este documento, proponemos un nuevo enfoque mediante una familia de redes neuronales llamadas construidas desde una perspectiva de Topología Algebraica. Nuestra propuesta se basa en tres ideas principales. En primer lugar, dada un problema de clasificación, tanto el conjunto de datos de entrada como su conjunto de etiquetas one-hot se dotarán de estructuras de complejo simplicial, y se definirá un mapa simplicial entre dichos complejos. En segundo lugar, se construirá una red neuronal que caracterice el problema de clasificación a partir de dicho mapa simplicial. Finalmente, al considerar subdivisiones bariocéntricas de los complejos simpliciales, se calculará un límite de decisión para hacer que la red neuronal sea robusta ante ataques adversariales de un tamaño dado.