Dekompilátor

Zavaděč (loader) je první fáze dekompilace načte a projde vstupní strojový kód nebo binární soubor mezijazyka. V této fázi je možné zjistit základní informace o vstupním programu, jako například architekturu a vstupní bod. Zároveň lze nalézt ekvivalent funkce main u programu napsaného v jazyce C, který označuje počátek uživatelem napsaného kódu. Načtená je také tabulka symbolů, debug data, knihovny a jejich rozhraní.[2]

Disassemblování je převod strojového kódu do strojově nezávislé intermediální reprezentace (IR, intermediate represantation).

Sekvence idiomatického strojového kódu jsou sekvence kódu, u kterých není určen jasný význam z jednotlivých významů instrukcí. Idiomatický strojový kód musí být přeložen do shodné IR. Některé idiomatické sekvence jsou strojově nezávislé a některé obsahují pouze jedinou instrukci. Obecně je nejlepší pozdržet detekci idiomatických sekvencí a provést ji až v pozdějších fázích dekompilace, které nejsou tolik ovlivněny pořadím instrukcí.

Na IR lze provést několik programových analýz. Některé skupiny instrukcí je možno zkombinovat do složitějších výrazů.

V místě kde jsou definovány obsahy registrů a jejich použití je nutné provést analýzu toku dat. Uvedenou analýzu je také možné provést v místech dočasných a místních dat. Každému takovému datovému toku lze přiřadit odlišné jméno. Je možné, že některé místní proměnné byly použity pro více proměnných v různých částech původního programu. Dokonce je možné, že jsou detekovány cesty, kde hodnoty mohou v takovýchto případech cestovat a to i přesto, že ve skutečnosti by k takovému jevu nedošlo nebo by takový jev neměl žádný vliv. Uvedený jev může v některých případech vést k potřebě nadefinovat místo jako sjednocení typů. Kompilátor poté umožňuje uživateli roztrhnout takovéto závislosti, což ve výsledku vede k jasnějšímu kódu, ale také naznačuje možné použití proměnné bez inicializace, které indikuje chybu v původním programu.

Typová analýza umožňuje rozpoznat datové typy. Rozpoznání datových typů lze odvodit ze způsobu použití registrů nebo umístění v paměti.

Předposlední dekompilační fáze zahrnuje strukturování IR do konstruktů vyšších programovacích jazyků např. while smyčky nebo podmínkové výrazy if/then/else.

Obdobně jako kompilátor tak dekompilátor může disponovat tzv. backendy pro generování kódu pro různé vyšší programovací jazyky. Těsné před generováním kódu by mělo být uživateli umožněno editovat IR, nejlépe pomocí grafického rozhraní (GUI). Editace umožňuje uživateli vložit komentáře a nastavit vhodné názvy proměnných a funkcí. Nakonec je potřeba opravit chyby v IR.